Ręczne centrowanie i skalowanie
Wczytano ten sam zbiór danych o nazwie data. Twoim celem będzie ręczne centrowanie i skalowanie danych.
Biblioteki pandas, numpy, seaborn i matplotlib.pyplot zostały wczytane odpowiednio jako pd, np, sns i plt. Możesz swobodnie eksplorować zbiór danych w konsoli.
To ćwiczenie jest częścią kursu
Segmentacja klientów w Pythonie
Instrukcje do ćwiczenia
- Wycentruj dane, odejmując od każdej wartości średnią.
- Przeskaluj dane, dzieląc każdą wartość przez odchylenie standardowe.
- Połącz oba powyższe kroki i znormalizuj dane, stosując jednocześnie centrowanie i skalowanie.
- Wyświetl statystyki podsumowujące, aby sprawdzić, czy średnia wynosi zero, a odchylenie standardowe jeden, i zaokrąglij wyniki do 2 miejsc po przecinku.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Center the data by subtracting average values from each entry
data_centered = data - data.____()
# Scale the data by dividing each entry by standard deviation
data_scaled = ____ / ____.____()
# Normalize the data by applying both centering and scaling
data_normalized = (____ - data.____()) / data.____()
# Print summary statistics to make sure average is zero and standard deviation is one
print(data_normalized.____().round(____))