Мин-макс нормализация с помощью .transform()
Одна из самых распространённых операций — мин-макс нормализация. Она заключается в масштабировании интересующего нас значения: из каждого значения вычитается минимум, а результат делится на разность между максимумом и минимумом. Например, чтобы нормализовать данные о весе студентов в диапазоне от 160 до 200 фунтов, нужно вычесть 160 из веса каждого студента и разделить результат на 40 (200 − 160).
Вам предстоит определить функцию мин-макс нормализации и применить её ко всем числовым переменным в наборе данных о ресторане. Сначала сгруппируйте записи по времени приёма пищи (Lunch или Dinner), а затем примените нормализацию к каждой группе отдельно.
Помните, что вы всегда можете изучить набор данных и отследить его изменения в IPython Shell, а также обратиться к слайдам на вкладке Слайды.
Это упражнение является частью курса
Эффективная работа с pandas
Инструкции к упражнению
- Определите функцию мин-макс нормализации с помощью метода lambda .
- Сгруппируйте данные по времени приёма пищи.
- Примените преобразование к сгруппированным данным.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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())