detail=pd.read_csv('e:\大三上\張宇萌\實習任務安排（2019-10-10）\detail.csv',index_col=0,',encoding='gbk')
#離差標準化
#自定義離差標準化函式
def minmaxscale(data):
data=(data-data.min())/(data.max()-data.min())
return data
#對菜品訂單表售價和銷量做離差標準化
data1=minmaxscale(detail['counts'])
data2=minmaxscale(detail['amounts'])
data3=pd.concat([data1,data2],axis=1)
print('離差標準化之前：\n',detail[['counts','amounts']].head())
print('離差標準化之後：\n',data3.head())
#標準差標準化
def standardscaler(data):
data=(data-data.mean())/data.std()
return data
#對菜品訂單表售價和銷量做標準化
data4= standardscaler(detail['counts'])
data5=standardscaler(detail['amounts'])
data6=pd.concat([data4,data5],axis=1)
print('標準差標準化之前：\n',detail[['counts','amounts']].head())
print('標準差標準化之後：\n',data6.head())
#小數定標標準化
#自定義小數定標標準化函式
def decimalscaler(data):
data=data/10**np.ceil(np.log10(data.abs().max()))#**代表指數
return data
#對選單訂單表售價和銷量做標準化
data7= decimalscaler(detail['counts'])
data8=decimalscaler(detail['amounts'])
data9=pd.concat([data7,data8],axis=1)
print('標準差標準化之前：\n',detail[['counts','amounts']].head())
print('標準差標準化之後：\n',data9.head())
資料的標準化和標準化方法
資料的標準化 normalization 是將資料按比例縮放，使之落入乙個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除資料的單位限制，將其轉化為無量綱的純數值，便於不同單位或量綱的指標能夠進行比較和加權。其中最典型的就是資料的歸一化處理，即將資料統一對映到 0,1 區間上，常見的資料歸...
資料的標準化和標準化方法
資料的標準化 normalization 是將資料按比例縮放，使之落入乙個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除資料的單位限制，將其轉化為無量綱的純數值，便於不同單位或量綱的指標能夠進行比較和加權。其中最典型的就是資料的歸一化處理，即將資料統一對映到 0,1 區間上，常見的資料歸...
標準化實體
隨著gss專案的進行，發現實體之間混亂的關係使得維護和開發的難度越來越大。實體之間鬆散的聯絡雖然得到了開發的自由度，但代價同樣巨大。往往為了一些簡單的功能，不大不花費大量的精力協調實體之間的關係。為了解決這個問題，打算在原有的基礎上，增加一種物體屬性 object flags standard 標準...