【數據分析&數據挖掘】三種數據標准化方式——離差標准化、標准差標准化&小數定標標准化

 1 import pandas as pd
 2 import numpy as np
 3 
 4 
 5 # 標准化----去除量級的影響
 6 
 7 # 3種方式
 8 # （1）離差標准化
 9 # 將數據做線性變化，將數據映射到【0,1】范圍內，
10 # x = (x - min) / (max - min)
11 # 過大或者過小的異常值都會對結果產生影響
12 # 容易受到異常值影響
13 def max_min_sca(data):
14     """
15     借助離差標准化 來標准化數據
16     :param data: 原數據
17     :return: 標准化之后的數據
18     """
19     data = (data - data.min()) / (data.max() - data.min())
20 
21     return data
22 
23 
24 # （2）標准差標准化
25 # 借助 均值與標准差 對數據進行轉換
26 # x = (x- mean) / std
27 def stand_sca(data):
28     """
29     標准差標准化
30     :param data:原數據
31     :return: 標准差之后的數據
32     """
33     data = (data - data.mean()) / data.std()
34 
35     return data
36 
37 
38 # 10000個【10,20】  10000----均值影響不大，標准差影響不大
39 # 不容易受到異常值影響
40 
41 
42 # （3）小數定標標准化
43 # 通過移動小數位數來把數據轉化到【-1,1】之間---數據分布規律不變
44 # x = x /10^k
45 # k ----->   向上取整（log10(|x|.max())）
46 def desc_sca(data):
47     """
48     小數定標標准化數據
49     :param data: 原數據
50     :return: 標准化之后的數據
51     """
52     data = data / (10 ** int(np.ceil(np.log10(data.abs().max()))))
53     return  data
54 
55 
56 
57 # 驗證：
58 detail = pd.read_excel("./meal_order_detail.xlsx")
59 
60 print("detail 的列索引：\n", detail.columns)
61 # print("detail 的形狀：\n", detail.shape)
62 print("未標准化之前：\n", detail.loc[:, "amounts"])
63 print("最大值與最小值：\n", detail.loc[:, "amounts"].max(), detail.loc[:, "amounts"].min())
64 print("標准化之后\n", max_min_sca(detail.loc[:, "amounts"]))
65 print("標准化之后\n", stand_sca(detail.loc[:, "amounts"]))
66 print("標准化之后\n", desc_sca(detail.loc[:, "amounts"]))