Centrer et mettre à l'échelle avec StandardScaler()

Nous avons chargé le même jeu de données nommé data. Votre objectif est maintenant de le centrer et de le mettre à l'échelle avec StandardScaler de la bibliothèque sklearn.

Les bibliothèques pandas, numpy, seaborn et matplotlib.pyplot ont été chargées sous les alias pd, np, sns et plt. Nous avons aussi importé StandardScaler.

N'hésitez pas à explorer le jeu de données dans la console.

Cette activité fait partie du cours

Segmentation de la clientèle en Python

Voir le cours

Instructions de l’exercice

Initialisez une instance de StandardScaler nommée scaler et adaptez-la à data (fit).
Transformez data en la centrant et la mettant à l'échelle avec scaler.
Créez un DataFrame pandas à partir de data_normalized en reprenant l'index et les noms de colonnes de data.
Affichez les statistiques sommaires pour vérifier que la moyenne est à zéro et l'écart type à un, puis arrondissez les résultats à 2 décimales.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(____))

Modifier et exécuter le code