使用 .transform() 的最小-最大归一化
最常见的操作之一是最小-最大归一化。它通过从目标值中减去最小值，并将结果除以最大值与最小值的差来进行缩放。例如，若要将学生体重数据（从 160 磅到 200 磅）重缩放，需从每位学生的体重中减去 160，并将结果除以 40（200 - 160）。
您将为餐厅数据中的所有数值型变量定义并应用最小-最大归一化。首先按用餐时间（Lunch 或 Dinner）对记录分组，然后分别对每个分组应用归一化。
请记住，您始终可以在 IPython Shell 中探索数据集并查看其变化，并在"Slides"选项卡中参考幻灯片。
本练习是课程的一部分
使用 pandas 编写高效代码
练习说明
- 使用 lambda 方法定义最小-最大归一化。
- 按用餐发生的时间对数据分组。
- 将该变换应用到分组后的数据。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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())