Centra e ridimensiona con StandardScaler()
Abbiamo caricato lo stesso insieme di dati chiamato data. Ora il tuo obiettivo è centrare e ridimensionarlo con StandardScaler della libreria sklearn.
Le librerie pandas, numpy, seaborn e matplotlib.pyplot sono state caricate come pd, np, sns e plt rispettivamente. Abbiamo anche importato StandardScaler.
Sentiti libero di esplorare l'insieme di dati nella console.
Questo esercizio fa parte del corso
Customer Segmentation in Python
Istruzioni dell'esercizio
- Inizializza un'istanza di
StandardScalercomescalered esegui il fit sudata. - Trasforma i
dataridimensionandoli e centrali conscaler. - Crea un
DataFramedi pandas dadata_normalizedaggiungendo indici e nomi delle colonne dadata. - Stampa le statistiche riassuntive per verificare che la media sia zero e la deviazione standard sia uno, e arrotonda i risultati a 2 decimali.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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(____))