Normalisasi min-maks menggunakan .transform()
Operasi yang sangat umum adalah normalisasi min-maks. Ini dilakukan dengan menskalakan ulang nilai yang diminati dengan cara mengurangkan nilai minimum dan membagi hasilnya dengan selisih antara nilai maksimum dan minimum. Misalnya, untuk menskalakan ulang data berat badan siswa yang berkisar dari 160 pon hingga 200 pon, Anda mengurangkan 160 dari berat setiap siswa dan membagi hasilnya dengan 40 (200 - 160).
Anda akan mendefinisikan dan menerapkan normalisasi min-maks pada semua variabel numerik dalam data restoran. Pertama, kelompokkan entri berdasarkan waktu makan berlangsung (Lunch atau Dinner), lalu terapkan normalisasi pada setiap kelompok secara terpisah.
Ingat, Anda selalu dapat mengeksplorasi himpunan data dan melihat perubahannya di IPython Shell, serta merujuk ke slide di tab Slides.
Latihan ini merupakan bagian dari kursus
Menulis Kode Efisien dengan pandas
Instruksi latihan
- Definisikan normalisasi min-maks menggunakan metode lambda.
- Kelompokkan data berdasarkan waktu makan berlangsung.
- Terapkan transformasi pada data yang telah dikelompokkan.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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())