Centrar y escalar con StandardScaler()

Hemos cargado el mismo conjunto de datos llamado data. Ahora tu objetivo será centrarlo y escalarlo con StandardScaler de la librería sklearn.

Las librerías pandas, numpy, seaborn y matplotlib.pyplot se han cargado como pd, np, sns y plt respectivamente. También hemos importado StandardScaler.

Si quieres, explora el conjunto de datos en la consola.

Este ejercicio forma parte del curso

Segmentación de clientes en Python

Ver curso

Instrucciones del ejercicio

Inicializa una instancia de StandardScaler como scaler y ajústala a data con fit.
Transforma data escalándola y centrándola con scaler.
Crea un DataFrame de pandas a partir de data_normalized añadiendo el índice y los nombres de columnas de data.
Imprime estadísticas resumidas para comprobar que la media es cero y la desviación estándar es uno, y redondea los resultados a 2 decimales.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Initialize a scaler
scaler = ____()

# Fit the scaler
____.____(data)

# Scale and center the data
data_normalized = ____.____(data)

# Create a pandas DataFrame
data_normalized = pd.DataFrame(____, index=data.index, columns=data.columns)

# Print summary statistics
print(data_normalized.____().round(____))

Editar y ejecutar código