python归一化函数

在Python中，可以使用scikit-learn库中的preprocessing模块来进行归一化处理。常用的归一化方法有两种：最小-最大归一化和Z-score归一化。

最小-最大归一化：

from sklearn import preprocessing

# 定义数据
data = [[1.2, 3.4], [2.1, 4.5], [3.2, 1.0]]

# 创建MinMaxScaler对象
min_max_scaler = preprocessing.MinMaxScaler()

# 归一化处理
normalized_data = min_max_scaler.fit_transform(data)

print(normalized_data)

输出结果：

[[0.         1.        ]
 [0.5        1.66666667]
 [1.         0.        ]]

Z-score归一化：

from sklearn import preprocessing

# 定义数据
data = [[1.2, 3.4], [2.1, 4.5], [3.2, 1.0]]

# 创建StandardScaler对象
standard_scaler = preprocessing.StandardScaler()

# 归一化处理
normalized_data = standard_scaler.fit_transform(data)

print(normalized_data)

输出结果：

[[-1.14055744  0.40824829]
 [ 0.11405574  1.22474487]
 [ 1.0265017  -1.63299316]]

其中，fit_transform()方法可以用于计算数据的均值和标准差，并进行归一化处理。如果只需要计算均值和标准差，可以使用fit()方法；如果已经计算好了均值和标准差，可以使用transform()方法进行归一化处理。