Normalização min-max usando .transform()
Uma operação muito comum é a normalização min-max. Ela consiste em reescalar o valor de interesse subtraindo o valor mínimo e dividindo o resultado pela diferença entre o valor máximo e o mínimo. Por exemplo, para reescalar dados de peso de estudantes que vão de 160 a 200 libras, você subtrai 160 do peso de cada estudante e divide o resultado por 40 (200 - 160).
Você vai definir e aplicar a normalização min-max a todas as variáveis numéricas nos dados do restaurante. Primeiro, agrupe os registros pelo momento da refeição (Lunch ou Dinner) e, em seguida, aplique a normalização a cada grupo separadamente.
Lembre-se de que você pode explorar o conjunto de dados e ver como ele muda no IPython Shell, e consultar os slides na aba Slides.
Este exercicio faz parte do curso
Escrevendo código eficiente com pandas
Instruções do exercicio
- Defina a normalização min-max usando o método lambda.
- Agrupe os dados de acordo com o momento em que a refeição ocorreu.
- Aplique a transformação aos dados agrupados.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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())