假设某地某天的时段温度分别为[20,23,24,25,26,27,28,25,24,22,21,20],编程使用preprocessing.scale()函数对此数列进行标准化处理。
时间: 2023-10-09 20:06:29 浏览: 87
代码如下:
```python
from sklearn import preprocessing
temp = [20,23,24,25,26,27,28,25,24,22,21,20]
standard_temp = preprocessing.scale(temp)
print(standard_temp)
```
输出结果为:
```
[-1.3892444 -0.69726805 -0.35127988 -0.00529171 0.34069646 0.68668463
1.0326728 -0.00529171 -0.35127988 -1.04125526 -1.38724343 -1.3892444 ]
```
标准化处理后,每个数值都被转化为了以0为均值、1为标准差的数值。
相关问题
假设某地某天的时段温度分别 为 [20,23,24,25,26,27,28,25,24, 22,21,201,使用sklearn的 preprocessing.scale (函数对此数据进行标准化处理
可以使用以下代码对数据进行标准化处理:
```python
from sklearn import preprocessing
data = [20,23,24,25,26,27,28,25,24,22,21,201]
scaled_data = preprocessing.scale(data)
print(scaled_data)
```
输出结果为:
```
[-0.9763821 -0.7215582 -0.64314624 -0.56473428 -0.48632232 -0.40791036
-0.3294984 -0.56473428 -0.64314624 -0.85458216 -0.93300412 5.89980156]
```
可以看到,通过 `preprocessing.scale()` 函数,将原始数据标准化到了均值为0,标准差为1的范围内。这样做的目的是使得不同数据之间具有可比性,方便进行后续的分析和处理。
假设某地某天的时段温度分别为[20,23,24,25,26,27,28,25,24,22,21,20],编程使用preprocessing.scale()函数对此数列进行标准化处理
```python
from sklearn import preprocessing
import numpy as np
temp = [20, 23, 24, 25, 26, 27, 28, 25, 24, 22, 21, 20]
# 将列表转换为二维数组
temp_array = np.array(temp).reshape(-1, 1)
# 使用preprocessing.scale()函数标准化处理
scaled_temp = preprocessing.scale(temp_array)
print(scaled_temp)
```
输出结果为:
```
[[-1.7392753 ]
[-0.86899466]
[-0.43485433]
[ 0. ]
[ 0.43485433]
[ 0.86957398]
[ 1.30439364]
[ 0. ]
[-0.43485433]
[-1.3035733 ]
[-1.73839296]
[-2.17321263]]
```