python数据归一化处理

数据归一化处理是将原始数据映射到特定的范围内的一种数据预处理方法。在Python中，可以使用多种方法进行数据归一化处理。

一种常见的方法是使用sklearn库中的preprocessing模块的StandardScaler函数，通过将数据按照特定的分布进行标准化处理，使其均值为0，标准差为1。具体操作如下：

from sklearn import preprocessing
data = pd.read_csv('./Titanic_train.csv')
scaler = preprocessing.StandardScaler()
data['Fare'] = scaler.fit_transform(data['Fare'].values.reshape(-1,1))

另一种方法是使用小数标准化（min-max normalization），将原始数据线性变换到[0,1]的区间内。这种方法简单易行，能够有效地将数据压缩到指定的范围内，便于后续处理。具体操作如下：

def MinMaxScale(data):
    return (data - data.min()) / (data.max() - data.min())
MinMaxScale(data['Fare'])

还有一种方法是小数定标标准化，通过移动数据的小数点位置来缩放特征值，使其落在一个较小的范围内。这种方法可以使数据更加集中，避免不同特征值大小带来的模型训练困难，同时减少计算量和存储空间的消耗。具体操作如下：

def Decimal_Scale(data):
    return data / 10 ** (np.log10(data.abs().max()))
Decimal_Scale(data['Fare'])