归一化算法

原理

归一化算法，常在数据运算之前使用，讲不同种的数据变成同一种数据。如在计算物体能量的时候，将重力势能，动能，热能等和计算目标相关且具有影响的数据全部转化为焦耳单位，并将数据范围扩大或缩小到便于计算与分析的数量级范围，方便后面的计算步骤。
其中归一化的计算过程多样，但总结下来一共分为两个步骤。

1. 将相关数据的单位统一
2. 选择一种适合的归一化方法将统一单位的数据归一化
   1. 最大最小
      • 最常用的归一化方法，可以将数据都转化为0-1之间的小数，其数值在 0 -1 之间，必有 0 与 1
   2. 切比雪夫距离
      • 比较常用的归一化方法，可以将数据转化为0-1之间的小数，其数值在 0-1之间，仅数据为0 的时候存在0，必存在1
   3. 曼哈顿距离
      • 某个数量占总数量的百分比
   4. 欧几里德距离
      • 数值在1 的上下浮动

公式

1. 最大最小
   

2. 切比雪夫距离
   

3. 曼哈顿距离
   

4. 欧几里德距离
   

相关库

# 引入相关库
from sklearn.preprocessing import MinMaxScaler
# 读取归一化数据
result = pd.read_excel("./数据.xlsx",usecols=[1,2,3,4,5,6,7,8,9,10,11])
# 将数据转化为数组
list = result.to_numpy()
# 实例化归一化方法
minmax = MinMaxScaler()
# 对归一化数据格式进行设计
minmax.fit(list[:, 1].reshape(-1,1))
# 归一化并打印结果
print(minmax.transform(list[:, 1].reshape(-1,1)))