python 极值 归一化

在Python中，极值通常指的是数据集中的最大值（max）和最小值（min）。归一化是一种预处理技术，它将数值缩放到一个新的范围内，通常是0到1之间或者-1到1之间，以消除数据之间的量纲差异或扩大特征的重要性对比。

对于数值数据，常见的归一化方法有：

1. **最小-最大规范化**（Min-Max Scaling）：这是最简单的归一化方法，通过以下公式将每个数值映射到新范围：
\[ x_{normalized} = \frac{x - min}{max - min} \times (max_range) + min_range \]
其中`x`是原始值，`min`和`max`分别是数据集中的最小值和最大值，`max_range`是你想要映射的新范围的一端。

2. **Z-Score标准化**（Standardization）：也称为零均值单位方差标准化，将数据转换为标准正态分布，即平均值为0，标准差为1：
\[ x_{normalized} = \frac{x - \mu}{\sigma} \]
其中`\mu`是平均值，`\sigma`是标准差。

使用NumPy库，可以方便地对数据进行这两种归一化操作。例如：

import numpy as np

data = ...  # 假设这是你的数据数组
min_max_scaled = (data - data.min()) / (data.max() - data.min())
z_score_scaled = (data - np.mean(data)) / np.std(data)