第一步：導入本地的目標數據集
使用pandas庫中的read_excel()函數導入的數據格式會默認為dataframe(數據框)，可以直接使用數據框支持的所有方法。
觀察數據可以發現，數據后三列為數值型，但是各個數值的度量單位是不同的，housesize一般以平方米為單位，rental一般以元為單位，houseage一般以年為單位。
第二步：截取出需要進行標准化處理的列
第三步：進行數據標准化
方法一：最小-最大標准化
公式：
min指x所在列的最小值，max指x所在列的最大值。x'指標准化后的x。
代碼如下：
注釋：①標准化后的數據框d還是數據框格式~
②數據框下面的rename()方法可以用於對數據框的列名進行隨意更改~采用字典格式進行列名修改。
colums = {'originalname1':'newname1','originalname3':'newname3'}無需修改的列名可以直接跳過。
inplace = True表示替換原來的列名，直接顯示最新的列名。
最后，需要將標准化后的數據拼接到原數據中去。
注釋：①這里采用的拼接方法concat()為直接拼接，即生硬的將兩張表拼湊在一起。並沒有根據某一列做匹配，與merge()方法是不一樣的~
②pd.set_option('display.max_columns',50)，設置顯示的最大列數為50列，如果不設置該參數，直接print()會有很多列被省略無法看到完整的拼接結果。
③pd.set_option('display.width',1000)，設置顯示寬度為1000。如果不設置該參數，則最后幾個列會換行顯示。
④補充：pd.set_option('display.max_rows', 500) ，設置打印最大行數為500行。
在sklearn庫中的preprocessing模塊下的minmax_scale()函數可以直接實現最小最大標准化。
第一次嘗試：
百度一下，發現，導入模塊的方法不對，改正如下：
注意：使用該函數后，數據格式發生變化了！不是數據框，而是n維數組了！
那么，如何將n維數組轉換為數據框並添加列名呢?
繼續百度……
大神說，可以使用pandas庫中的DataFrame()函數將數組轉為數據框：
確實成功轉換了~
但是，數據框的列名需要修改一下~
最后一步：把原始數據與標准化數據合並起來~本文之前做過，就不重復了~
方法二：Z-score標准化
其中，x表示具體數值，xbar表示x所在列的均值，σ 表示x所在列的標准差。
采用這種方法處理后的標准化數據特征為：標准差為1，均值為0。
手動Z-score標准化的代碼如下：
同樣，sklearn庫中也有對應的函數可以實現Z-score標准化。
不過，仔細觀察會發現，手動的結果和使用scale()函數的結果並完全不一樣。
我對使用scale()函數的標准化后的數據進行標准差、均值的檢測發現，標准差確實為1，但是均值不等於0，是無限接近0的一個小數。
方法三：小數定標規范化
目的：將任意一個較大的數字，轉換為[-1,1]的小數。
如120，將它除以1000，則為0.12。困難在於，任意給定一組數，如何確定應該除以10的多少倍？
基本思路：先將所給的一組數取絕對值，找出這組數中絕對值最大的數，然后，利用對數+向上取整的思想來確定10的次方。
代碼如下：
注釋：①numpy庫中有ceil()函數，表示向上取整。
②numpy庫中log10()用於計算一個數以10為底數，對應的值是多少。
參考資料：
