Python数据预处理如何进行归一化

在Python中，进行数据预处理的归一化可以使用sklearn库中的MinMaxScaler类。以下是使用MinMaxScaler进行归一化的步骤：

1. 导入所需的库和模块：

import numpy as np
from sklearn.preprocessing import MinMaxScaler

2. 创建一个样本数据集。这里我们创建一个形状为(10, 5)的二维数组，每一行表示一个样本，每一列表示一个特征：

data = np.array([[10, 20, 30, 40, 50],
                 [15, 25, 35, 45, 55],
                 [20, 30, 40, 50, 60],
                 [25, 35, 45, 55, 65],
                 [30, 40, 50, 60, 70],
                 [35, 45, 55, 65, 75],
                 [40, 50, 60, 70, 80],
                 [45, 55, 65, 75, 85],
                 [50, 60, 70, 80, 90],
                 [55, 65, 75, 85, 95]])

3. 初始化MinMaxScaler对象，并设置特征范围。这里我们将特征范围设置为[0, 1]：

scaler = MinMaxScaler(feature_range=(0, 1))

4. 使用fit_transform()方法对数据进行归一化：

normalized_data = scaler.fit_transform(data)

5. 打印归一化后的数据：

print(normalized_data)

执行以上代码后，将得到归一化后的数据集。请注意，归一化后的数据范围将在[0, 1]之间。