Centrowanie i skalowanie za pomocą StandardScaler()

Wczytano ten sam zbiór danych o nazwie data. Twoim zadaniem jest wycentrowanie i przeskalowanie danych za pomocą StandardScaler z biblioteki sklearn.

Biblioteki pandas, numpy, seaborn i matplotlib.pyplot zostały zaimportowane odpowiednio jako pd, np, sns i plt. Zaimportowano również StandardScaler.

Możesz swobodnie eksplorować zbiór danych w konsoli.

To ćwiczenie jest częścią kursu

Segmentacja klientów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zainicjalizuj instancję StandardScaler jako scaler i dopasuj ją do danych data.
Przekształć dane data przez skalowanie i centrowanie za pomocą obiektu scaler.
Utwórz obiekt DataFrame biblioteki pandas z data_normalized, dodając indeks i nazwy kolumn z data.
Wydrukuj 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.

# 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(____))

Edytuj i uruchom kod