极差法数据标准化 python实现

极差法数据标准化是数据预处理中的一种方法，其目的是将数据按照一定比例缩放到指定区间内。具体实现可以参考以下代码：

import numpy as np

def range_standardization(data, a, b):
    # data: 待处理数据，一维或二维数组
    # a,b: 目标区间，一般为 [0,1] 或 [-1,1]
    max_val = np.max(data, axis=0)
    min_val = np.min(data, axis=0)
    return (data - min_val) * (b - a) / (max_val - min_val) + a

其中，`data` 是待处理数据，可以是一维或二维数组；`a` 和 `b` 是目标区间，一般为 `[0,1]` 或 `[-1,1]`。该函数内部先使用 `np.max` 和 `np.min` 函数计算数据的最大值和最小值，然后根据极差公式将数据缩放到目标区间内。

例如，对于一个一维数组 `[1, 2, 3, 4, 5]`，我们可以使用以下代码进行标准化：

data = np.array([1, 2, 3, 4, 5])
standard_data = range_standardization(data, 0, 1)
print(standard_data)  # 输出 [0.  0.25 0.5 0.75 1. ]

对于多维数组，同样可以使用该函数进行标准化。例如，对于一个二维数组 `[[1, 2], [3, 4], [5, 6]]`，我们可以使用以下代码进行标准化：

data = np.array([[1, 2], [3, 4], [5, 6]])
standard_data = range_standardization(data, -1, 1)
print(standard_data)  # 输出 [[-1.         -1.        ]
                     #      [ 0.         0.33333333]
                     #      [ 1.         1.        ]]

注意，该函数假设所有特征都具有相同的重要性，因此不适用于带有权重的数据标准化。在实际应用中，需要根据数据的特点选择合适的标准化方法。