数据标准化在机器学习和数据分析中至关重要，尤其在使用sklearn进行预处理时。1. 使用standardscaler进行z-score标准化，通过减去均值并除以标准差使数据符合标准正态分布；2. 最小最大值标准化（min-max scaling）通过缩放至指定范围如[0,1]，但对异常值敏感；3. 其他方法包括robustscaler、normalizer、powertransformer和quantiletransformer，分别适用于异常值多、按行归一化、非正态分布等情况。注意：标准化前需处理缺失值，仅用于数值型特征，训练集和测试集应使用相同的标准化器。
数据标准化是机器学习和数据分析中非常关键的一步，尤其是在使用sklearn进行预处理时。标准化的目的在于让不同量纲、不同分布的数据具有可比性，从而提升模型的表现。
1. 使用StandardScaler进行Z-score标准化
这是最常见的一种标准化方式，适用于大多数情况。它的原理是将数据减去均值，再除以标准差，使得转换后的数据符合标准正态分布（均值为0，方差为1）。
操作方法如下：
立即学习“Python免费学习笔记（深入）”；
from sklearn.preprocessing import StandardScaler scaler = StandardScaler() scaled_data = scaler.fit_transform(data)
-
fit_transform()是训练集常用的方法，先计算均值和标准差，再做变换。 - 如果是测试集或新数据，应该用训练集已经拟合好的
scaler来转换：scaler.transform(data)。 - 注意：
data应为二维数组形式，如果是单列数据，需要reshape成(-1, 1)。
2. 最小最大值标准化（Min-Max Scaling）
如果你希望数据缩放到一个特定范围（比如[0,1]），可以使用MinMaxScaler。
from sklearn.preprocessing import MinMaxScaler minmax_scaler = MinMaxScaler() minmax_data = minmax_scaler.fit_transform(data)
- 这种方法对异常值比较敏感，如果数据中有极端大或小的值，可能会压缩正常值的分布范围。
- 可以通过参数
feature_range=(min, max)来自定义目标范围。
3. 其他常见的标准化方法
除了上面两种主流方法，sklearn还提供了一些其他标准化工具，适合不同的场景：
-
RobustScaler：使用中位数和四分位距进行缩放，适合有大量异常值的数据。 -
Normalizer：按行对数据进行归一化，常用于文本分类等特征向量长度差异较大的情况。 -
PowerTransformer和QuantileTransformer：适用于非正态分布的数据，能帮助使数据更接近正态分布。
这些方法的调用方式基本一致，都是.fit_transform()或.transform()，可以根据数据特点选择合适的标准化策略。
小贴士：标准化前要注意什么？
- 缺失值要先处理，否则会报错或者结果不可靠。
- 标准化一般只针对数值型特征，类别型变量不需要处理。
- 训练集和测试集要用相同的标准化器，避免信息泄露或分布不一致。
基本上就这些了。标准化看起来简单，但在实际建模中影响挺大，选对方法、注意细节很重要。
