Python 将数据规格化为特定的值范围

我是Python新手，有没有什么函数可以规范化数据

例如，我有一组范围为

0-1

的列表示例：

[0.92323，0.7232322，093832，0.4344433]

我想将这些值标准化为范围

0.25-0.50

---

谢谢你，

你可以按照以下思路做某事：

>>> l = [0.92323, 0.7232322, 0.93832, 0.4344433]
>>> lower, upper = 0.25, 0.5
>>> l_norm = [lower + (upper - lower) * x for x in l]
>>> l_norm
[0.4808075, 0.43080805, 0.48458, 0.35861082499999997]

---

您可以使用

sklearn.preprocessing

处理许多类型的预处理任务，包括规范化任务。

以下函数考虑一般情况：

def normalize(values, bounds):
    return [bounds['desired']['lower'] + (x - bounds['actual']['lower']) * (bounds['desired']['upper'] - bounds['desired']['lower']) / (bounds['actual']['upper'] - bounds['actual']['lower']) for x in values]

使用：

我选择了一个两级dict作为参数，但您可以以多种方式给出它，例如在两个独立的元组中，一个用于实际边界，另一个用于所需的，第一个元素是下限，第二个元素是上限：

def normalize(values, actual_bounds, desired_bounds):
    return [desired_bounds[0] + (x - actual_bounds[0]) * (desired_bounds[1] - desired_bounds[0]) / (actual_bounds[1] - actual_bounds[0]) for x in values]

使用：

---

很酷，我可以在数据框中做吗？我尝试过，但在应用程序中使用时出错。范围0,1如何？

def normalize(values, actual_bounds, desired_bounds):
    return [desired_bounds[0] + (x - actual_bounds[0]) * (desired_bounds[1] - desired_bounds[0]) / (actual_bounds[1] - actual_bounds[0]) for x in values]

   normalize(
    [0.92323, 0.7232322, 0.93832, 0.4344433],
    (0,1),
    (0.25,0.5)
) # [0.4808075, 0.43080805, 0.48458, 0.35861082499999997]

normalize(
    [5, 7.5, 10, 12.5, 15],
    (5,15),
    (1,2)
) # [1.0, 1.25, 1.5, 1.75, 2.0]