数据整理过程中的归一化和标准化

在数据整理过程中，归一化和标准化是常用的数据处理方法，用于将数据转换为统一的标准形式，以便更好地进行分析和比较。

归一化（Normalization）

归一化是将数据按比例缩放，使其落入特定的范围。通常采用最小-最大缩放方法，将数据按照以下公式进行归一化：

归一化后的数值 = (原始数值 - 最小值) / (最大值 - 最小值)

示例：

假设有一个数据集 [10, 20, 30, 40, 50]，最小值为10，最大值为50。进行最小-最大归一化后，数据集将被转换为 [0, 0.25, 0.5, 0.75, 1]

标准化（Standardization）

标准化是将数据转换为均值为0，标准差为1的分布。通常采用z-score标准化方法，将数据按照以下公式进行标准化：

标准化后的数值 = (原始数值 - 均值) / 标准差

示例：

假设有一个数据集 [10, 20, 30, 40, 50]，其均值为30，标准差为15。进行z-score标准化后，数据集将被转换为 [-1, -0.67, 0, 0.67, 1]

在数据整理过程中，归一化和标准化可以帮助消除不同特征之间的量纲影响，使得数据更平稳、更具有可比性。