Jak normalizować dane w pythonie

Często w statystyce i uczeniu maszynowym normalizujemy zmienne w taki sposób, że zakres wartości mieści się w przedziale od 0 do 1.

Najczęstszym powodem normalizacji zmiennych jest sytuacja, gdy przeprowadzamy pewnego rodzaju analizę wielowymiarową (tj. chcemy zrozumieć związek pomiędzy kilkoma zmiennymi predykcyjnymi a zmienną odpowiedzi) i chcemy, aby każda zmienna w równym stopniu przyczyniała się do analizy.

Kiedy zmienne są mierzone w różnych skalach, często nie wnoszą one jednakowego wkładu do analizy. Przykładowo, jeśli wartości jednej zmiennej mieszczą się w przedziale od 0 do 100 000, a wartości innej zmiennej mieszczą się w przedziale od 0 do 100, to zmienna o większym zakresie będzie miała w analizie większą wagę.

Standaryzując zmienne, możemy mieć pewność, że każda zmienna w równym stopniu przyczynia się do analizy.

Aby znormalizować wartości od 0 do 1, możemy użyć następującego wzoru:

x _norma = (x _i – x _min ) / (x _max – x _min )

Złoto:

• x _norma : ^i-ta znormalizowana wartość w zbiorze danych
• x _i : ^i-ta wartość zbioru danych
• x _max : Minimalna wartość w zbiorze danych
• x _min : Maksymalna wartość w zestawie danych

Poniższe przykłady pokazują, jak normalizować jedną lub więcej zmiennych w Pythonie.

Przykład 1: normalizacja tablicy NumPy

Poniższy kod pokazuje, jak znormalizować wszystkie wartości w tablicy NumPy:

 import numpy as np 

#create NumPy array
data = np. array ([[13, 16, 19, 22, 23, 38, 47, 56, 58, 63, 65, 70, 71]])

#normalize all values in array
data_norm = (data - data. min ())/ (data. max () - data. min ())

#view normalized values
data_norm

array([[0. , 0.05172414, 0.10344828, 0.15517241, 0.17241379,
        0.43103448, 0.5862069, 0.74137931, 0.77586207, 0.86206897,
        0.89655172, 0.98275862, 1. ]])

Każda z wartości w znormalizowanej tablicy ma teraz wartość od 0 do 1.

Przykład 2: Normalizuj wszystkie zmienne w Pandas DataFrame

Poniższy kod pokazuje, jak normalizować wszystkie zmienne w ramce DataFrame pandy:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#normalize values in every column
df_norm = (df-df. min ())/ (df. max () - df. min ())

#view normalized DataFrame
df_norm

        points assists rebounds
0 0.764706 0.125 0.857143
1 0.000000 0.375 0.428571
2 0.176471 0.375 0.714286
3 0.117647 0.625 0.142857
4 0.411765 1.000 0.142857
5 0.647059 0.625 0.000000
6 0.764706 0.625 0.571429
7 1.000000 0.000 1.000000

Każda z wartości w każdej kolumnie wynosi teraz od 0 do 1.

Przykład 3: Normalizuj określone zmienne w Pandas DataFrame

Poniższy kod pokazuje, jak znormalizować określoną zmienną w ramce DataFrame pandy:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

define columns to normalize
x = df. iloc [:,0:2]

#normalize values in first two columns only
df. iloc [:,0:2] = (xx. min ())/ (x. max () - x. min ())

#view normalized DataFrame
df

	points assists rebounds
0 0.764706 0.125 11
1 0.000000 0.375 8
2 0.176471 0.375 10
3 0.117647 0.625 6
4 0.411765 1.000 6
5 0.647059 0.625 5
6 0.764706 0.625 9
7 1.000000 0.000 12

Należy pamiętać, że normalizowane są tylko wartości w pierwszych dwóch kolumnach.

Dodatkowe zasoby

Poniższe samouczki zawierają dodatkowe informacje na temat normalizacji danych:

Jak normalizować dane między 0 a 1
Jak normalizować dane od 0 do 100
Standaryzacja czy normalizacja: jaka jest różnica?