13、python數據標準處理（0-1標準化、Z標準化、normalizer歸一化）

數據標準化處理

問題：

量綱不一：就是單位、特徵的單位不一致，不能放在一起比較

處理方法：

0-1標準化、Z標準化、normalizer歸一化

案例：

# -*- coding: utf-8 -*-

import pandas
import numpy

data=pandas.read_csv(
        'D:\\DATA\\pycase\\number2\\6.1\\data1.csv' 
                )

## min-max（0-1）標準化

# 導入（0-1）標準化方法

from sklearn.preprocessing import MinMaxScaler

scaler=MinMaxScaler()

# 錯誤解決ValueError: Expected 2D array, got 1D array instead:
# array=[4742.92 3398.   2491.9  2149.   2070.  ].
# Reshape your data either using array.reshape(-1, 1) if your data has a single feature # # or array.reshape(1, -1) if it contains a single sample.

### 使用array.reshape(-1, 1)重新調整你的數據）python3 加values

data['0-1標準化票房']=scaler.fit_transform(data['票房'].values.reshape(-1,1))
data['0-1標準化評分']=scaler.fit_transform(data['評分'].values.reshape(-1,1))

# Z-score 標準化

from sklearn.preprocessing import scale

data['Z標準化票房']=scale(data['票房'].values.reshape(-1,1))
data['Z標準化評分']=scale(data['評分'].values.reshape(-1,1))

## normalizer 歸一化

from sklearn.preprocessing import Normalizer

scaler=Normalizer()

data['歸一化票房']=scaler.fit_transform(
        data['票房'].values.reshape(1,-1)
        )[0]

data['歸一化評分']=scaler.fit_transform(
        data['評分'].values.reshape(1,-1)
        )[0]