归一化操作有两种

1.max和min的归一化操作

min-max标准化（Min-Max Normalization）

返回结果0~1

公式：

实例：

如：

随机生成假数据如下

df = DataFrame({"height":np.random.randint(150,190,size=50),

"weight":np.random.randint(40,90,size = 50),

"sex":np.random.randint(0,2,size = 50)})

df

对数据进行归一化操作

df = (df-df.min())/(df.max()-df.min())

df

 

df.info()     #函数info()是对我们dataform中的数据进行说明

信息如下

 

df.describe()         #describe()是根据每一列对数据进行汇总

 

2.Z-score标准化方法

方法：

返回结果：返回的结果是标准值为1，平均值为0，标准的正态分布数据

实例如下：

df2 = (df-df.mean())/df.std()           #df数据减去df平均值，再出去df的标准差就是归一化，归一化后变准值为1

df2

df2.describe()