Центрирование и масштабирование с помощью StandardScaler()

Мы загрузили тот же набор данных с именем data. Теперь ваша задача — центрировать и масштабировать данные с помощью StandardScaler из библиотеки sklearn.

Библиотеки pandas, numpy, seaborn и matplotlib.pyplot импортированы как pd, np, sns и plt соответственно. Также импортирован StandardScaler.

Вы можете свободно изучить набор данных в консоли.

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Создайте экземпляр StandardScaler с именем scaler и обучите его на данных data.
Преобразуйте data, выполнив масштабирование и центрирование с помощью scaler.
Создайте DataFrame библиотеки pandas из data_normalized, добавив индекс и названия столбцов из data.
Выведите сводную статистику, чтобы убедиться, что среднее равно нулю, а стандартное отклонение равно единице; округлите результаты до 2 знаков после запятой.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____))

Редактировать и запускать код