Excel歸一化

一、概述

Excel歸一化指的是將Excel中的數據進行處理，使其符合一定的數值範圍，便於比較與分析。歸一化在數據處理中起到了重要的作用。本文將介紹Excel歸一化的方法以及其應用場景。

二、最大最小值歸一化

最大最小值歸一化是Excel歸一化中一種最常見的方法，也是最簡單的一種方法。其過程是將數據中最大值與最小值計算出來，並將數據進行縮放，使其在0到1之間。具體的歸一化公式如下：

y = (x - min(x)) / (max(x) - min(x))

其中，y表示歸一化後的值，x表示原始數據，min(x)表示數據中的最小值，max(x)表示數據中的最大值。

該方法適用於特徵值相差較大的場景，如一個數據中，某個特徵值為100，而其他特徵值都在0-1之間，此時就需要使用最大最小值歸一化將其縮放到0-1之間。

三、Z-score歸一化

Z-score歸一化又稱為標準差標準化，其過程是將數據進行縮放，使其均值為0，標準差為1。具體的歸一化公式如下：

y = (x - mean(x)) / std(x)

其中，y表示歸一化後的值，x表示原始數據，mean(x)表示數據中的均值，std(x)表示數據中的標準差。

該方法適用於特徵值分布較為集中的場景，如一組數據中，每個特徵值都在0-1之間，但是它們的均值和標準差不同。

四、小數定標歸一化

小數定標歸一化是一種將數據移動到小數點後面的方法，使其最高位為1。具體的歸一化公式如下：

x /= 10**j，其中j為滿足：|x|<1時，|x × 10**j|≥1

該方法適用於特徵值差距較大的場景，如一組數據中，某些特徵值為很小的小數，而其他特徵值則非常大。

五、代碼示例

最大最小值歸一化代碼示例：

# 導入pandas庫
import pandas as pd

# 讀取Excel數據
df = pd.read_excel('data.xlsx')

# 最大最小值歸一化
df_norm = (df - df.min()) / (df.max() - df.min())

# 輸出歸一化後的數據
print(df_norm)

Z-score歸一化代碼示例：

# 導入pandas庫
import pandas as pd

# 讀取Excel數據
df = pd.read_excel('data.xlsx')

# Z-score歸一化
df_norm = (df - df.mean()) / df.std()

# 輸出歸一化後的數據
print(df_norm)

小數定標歸一化代碼示例：

# 導入pandas庫
import pandas as pd
import math

# 讀取Excel數據
df = pd.read_excel('data.xlsx')

# 小數定標歸一化
j = int(math.ceil(math.log10(df.abs().max().max())))
df_norm = df / (10 ** j)

# 輸出歸一化後的數據
print(df_norm)