Min-max normalizace pomocí .transform()
Velmi běžnou operací je min-max normalizace. Spočívá v přeškálování sledované hodnoty tak, že odečteš její minimální hodnotu a výsledek vydělíš rozdílem mezi maximální a minimální hodnotou. Například pro přeškálování dat o hmotnosti studentů v rozsahu od 160 do 200 liber odečteš od každé hodnoty 160 a výsledek vydělíš číslem 40 (200 − 160).
Definuješ a aplikuješ min-max normalizaci na všechny numerické proměnné v datech o restauraci. Nejprve seskupíš záznamy podle doby, kdy jídlo proběhlo (oběd nebo večeře), a poté normalizaci aplikuješ na každou skupinu zvlášť.
Dataset si můžeš kdykoli prozkoumat v IPython Shellu a sledovat, jak se mění. Případně se podívej na snímky na záložce Slides.
Toto cvičení je součástí kurzu
Psaní efektivního kódu s pandas
Pokyny k cvičení
- Definuj min-max normalizaci pomocí metody
lambda. - Seskup data podle doby, kdy jídlo proběhlo.
- Aplikuj transformaci na seskupená data.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Define the min-max transformation
min_max_tr = lambda x: (x - ____) / (____ - x.min())
# Group the data according to the time
restaurant_grouped = restaurant_data.____(____)
# Apply the transformation
restaurant_min_max_group = restaurant_grouped.____(____)
print(restaurant_min_max_group.head())