Центрування та масштабування за допомогою StandardScaler()

Ми завантажили той самий набір даних під назвою data. Тепер ваша мета — відцентрувати та масштабувати його за допомогою StandardScaler із бібліотеки sklearn.

Бібліотеки pandas, numpy, seaborn і matplotlib.pyplot вже імпортовано як pd, np, sns і plt відповідно. Також імпортовано StandardScaler.

За бажанням дослідіть набір даних у консолі.

Ця вправа є частиною курсу

Сегментація клієнтів у Python

Переглянути курс

Інструкції до вправи

Ініціалізуйте екземпляр StandardScaler як scaler і натренуйте його на data за допомогою fit.
Перетворіть data, відмасштабувавши та відцентрувавши її за допомогою scaler.
Створіть датафрейм pandas з data_normalized, додавши індекс і назви стовпців із data.
Виведіть підсумкові статистики, щоб переконатися, що середнє дорівнює нулю, а стандартне відхилення — одиниці, і округліть результати до 2 знаків після коми.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(____))

Редагувати та запускати код