.transform() kullanarak min-maks normalizasyonu
En yaygın işlemlerden biri min-maks normalizasyondur. İlgi duyduğumuz değeri, minimum değeri çıkarıp sonucu maksimum ile minimum arasındaki farka bölerek yeniden ölçeklendirmeyi içerir. Örneğin, öğrencilerin ağırlık verilerini 160 pound ile 200 pound aralığında yeniden ölçeklendirmek için, her öğrencinin ağırlığından 160 çıkarır ve sonucu 40’a (200 - 160) bölersin.
Restoran verilerindeki tüm sayısal değişkenlere min-maks normalizasyonu tanımlayıp uygulayacaksın. Önce kayıtları yemeğin gerçekleştiği zamana göre (Lunch veya Dinner) gruplandıracak, sonra normalizasyonu her gruba ayrı ayrı uygulayacaksın.
Veri kümesini IPython Shell içinde her zaman keşfedebileceğini, nasıl değiştiğini görebileceğini ve Slaytlar sekmesindeki slaytlara başvurabileceğini unutma.
Bu egzersiz
pandas ile Verimli Kod Yazma
kursunun bir parçasıdırEgzersiz talimatları
- Min-maks normalizasyonunu lambda yöntemiyle tanımla.
- Verileri yemeğin gerçekleştiği zamana göre gruplandır.
- Dönüşümü gruplandırılmış verilere uygula.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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())