Normalizzazione min-max con .transform()
Un'operazione molto comune è la normalizzazione min-max. Consiste nel riscalare il valore di interesse sottraendo il valore minimo e dividendo il risultato per la differenza tra il valore massimo e quello minimo. Per esempio, per riscalare i dati sul peso degli studenti che vanno da 160 a 200 libbre, sottrai 160 dal peso di ciascuno studente e dividi il risultato per 40 (200 - 160).
Definirai e applicherai la normalizzazione min-max a tutte le variabili numeriche dei dati del ristorante. Per prima cosa raggrupperai le osservazioni in base al momento del pasto (Lunch o Dinner) e poi applicherai la normalizzazione a ciascun gruppo separatamente.
Ricorda che puoi sempre esplorare l'insieme di dati e vedere come cambia nell'IPython Shell, e fare riferimento alle diapositive nella scheda Slides.
Questo esercizio fa parte del corso
Scrivere codice efficiente con pandas
Istruzioni dell'esercizio
- Definisci la normalizzazione min-max usando il metodo lambda.
- Raggruppa i dati in base al momento in cui si è svolto il pasto.
- Applica la trasformazione ai dati raggruppati.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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())