使用python将excel数据归一化有几种方法

归一化数据是将不同尺度的数据转换为统一尺度的过程，常见的归一化方法有以下几种：

1. 最小-最大归一化（Min-Max Scaling）：将数据缩放到[0,1]之间，公式为：(x - min(x)) / (max(x) - min(x))

2. Z-score标准化（Standardization）：将数据缩放到均值为0，标准差为1的分布中，公式为：(x - mean(x)) / std(x)

3. 小数定标规范化（Decimal Scaling）：将数据除以一个基准值，使最高位数字为1，公式为：x / 10^k，其中k为使最高位数字为1的位数。

下面是使用Python实现这些方法的示例代码：

1. 最小-最大归一化

import pandas as pd

# 读取数据
df = pd.read_excel('data.xlsx')

# 最小-最大归一化
df_norm = (df - df.min()) / (df.max() - df.min())

# 输出归一化后的数据
print(df_norm)

2. Z-score标准化

import pandas as pd

# 读取数据
df = pd.read_excel('data.xlsx')

# Z-score标准化
df_norm = (df - df.mean()) / df.std()

# 输出标准化后的数据
print(df_norm)

3. 小数定标规范化

import pandas as pd
import numpy as np

# 读取数据
df = pd.read_excel('data.xlsx')

# 小数定标规范化
k = np.ceil(np.log10(df.abs().max())) # 计算k值
df_norm = df / 10**k

# 输出规范化后的数据
print(df_norm)