归一化和反归一化代码

归一化和反归一化是在数据处理过程中常用的操作，用于将数据映射到特定的范围内或恢复原始数据的操作。以下是一个示例代码，用于对数据进行归一化和反归一化：

归一化代码：

import numpy as np

def normalize_data(data):
    # 计算数据的最大值和最小值
    max_val = np.max(data)
    min_val = np.min(data)
    
    # 归一化公式：(x - min) / (max - min)，将数据映射到 [0, 1] 范围内
    normalized_data = (data - min_val) / (max_val - min_val)
    
    return normalized_data

反归一化代码：

import numpy as np

def denormalize_data(normalized_data, original_data):
    # 计算原始数据的最大值和最小值
    max_val = np.max(original_data)
    min_val = np.min(original_data)
    
    # 反归一化公式：x * (max - min) + min，将归一化后的数据恢复到原始范围
    denormalized_data = normalized_data * (max_val - min_val) + min_val
    
    return denormalized_data

这是一个简单的示例代码，可以根据实际需求进行修改和优化。需要注意的是，归一化和反归一化的方法可以根据具体的数据类型和范围进行调整。