PYTHON實現(xiàn)對CSV文件多維不同單位數(shù)據(jù)的歸一化處理

1）線性歸一化

目前成都創(chuàng)新互聯(lián)公司已為1000+的企業(yè)提供了網(wǎng)站建設(shè)、域名、雅安服務(wù)器托管、網(wǎng)站托管運營、企業(yè)網(wǎng)站設(shè)計、源城網(wǎng)站維護等服務(wù)，公司將堅持客戶導向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。

這種歸一化比較適用在數(shù)值比較集中的情況，缺陷就是如果max和min不穩(wěn)定，很容易使得歸一化結(jié)果不穩(wěn)定，使得后續(xù)的效果不穩(wěn)定，實際使用中可以用經(jīng)驗常量來代替max和min。

2）標準差標準化

經(jīng)過處理的數(shù)據(jù)符合標準正態(tài)分布，即均值為0，標準差為1。

3）非線性歸一化

經(jīng)常用在數(shù)據(jù)分化較大的場景，有些數(shù)值大，有些很小。通過一些數(shù)學函數(shù)，將原始值進行映射。該方法包括log、指數(shù)、反正切等。需要根據(jù)數(shù)據(jù)分布的情況，決定非線性函數(shù)的曲線。

log函數(shù)：x = lg(x)/lg(max)

反正切函數(shù)：x = atan(x)*2/pi

Python實現(xiàn)

線性歸一化

定義數(shù)組：x = numpy.array(x)

獲取二維數(shù)組列方向的最大值：x.max(axis = 0)

獲取二維數(shù)組列方向的最小值：x.min(axis = 0)

對二維數(shù)組進行線性歸一化：

def max_min_normalization(data_value, data_col_max_values, data_col_min_values):

""" Data normalization using max value and min value

Args:

data_value: The data to be normalized

data_col_max_values: The maximum value of data's columns

data_col_min_values: The minimum value of data's columns

"""

data_shape = data_value.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value[i][j] = \

(data_value[i][j] - data_col_min_values[j]) / \

(data_col_max_values[j] - data_col_min_values[j])

標準差歸一化

定義數(shù)組：x = numpy.array(x)

獲取二維數(shù)組列方向的均值：x.mean(axis = 0)

獲取二維數(shù)組列方向的標準差：x.std(axis = 0)

對二維數(shù)組進行標準差歸一化：

def standard_deviation_normalization(data_value, data_col_means,

data_col_standard_deviation):

""" Data normalization using standard deviation

Args:

data_value: The data to be normalized

data_col_means: The means of data's columns

data_col_standard_deviation: The variance of data's columns

"""

data_shape = data_value.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value[i][j] = \

(data_value[i][j] - data_col_means[j]) / \

data_col_standard_deviation[j]

非線性歸一化（以lg為例）

定義數(shù)組：x = numpy.array(x)

獲取二維數(shù)組列方向的最大值：x.max(axis=0)

獲取二維數(shù)組每個元素的lg值：numpy.log10(x)

獲取二維數(shù)組列方向的最大值的lg值：numpy.log10(x.max(axis=0))

對二維數(shù)組使用lg進行非線性歸一化：

def nonlinearity_normalization_lg(data_value_after_lg,

data_col_max_values_after_lg):

""" Data normalization using lg

Args:

data_value_after_lg: The data to be normalized

data_col_max_values_after_lg: The maximum value of data's columns

"""

data_shape = data_value_after_lg.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value_after_lg[i][j] = \

data_value_after_lg[i][j] / data_col_max_values_after_lg[j]

tan的-1次方Python怎么敲

計算器上一般用shift鍵，再按的tan輸入，就是tan的負一次方的。

計算機先選科學型，然后在度與弧度下面有個inv鍵，按了它后就有tan-1次方，就是arctan的意思，arctan是正切的反函數(shù)，計算器上一般用shift鍵加tan鍵，就是tan的負一次方的那個。

科學型計算器一般都可以計算，常見的有夏普計算器、卡西歐計算器、得力計算器。arctan也可以寫作arctg，是反正切函數(shù)，你看看計算機上有沒有arctan或者arc^-1注意各個鍵位上的標示以及該鍵位所對應(yīng)的功能鍵標示，有些功能要先按shift鍵、alpha等功能。

python之數(shù)學相關(guān)模塊

先來看一下 math 模塊中包含內(nèi)容，如下所示：

接下來具體看一下該模塊的常用函數(shù)和常量。

ceil(x)

返回 x 的上限，即大于或者等于 x 的最小整數(shù)?？聪率纠?/p>

floor(x)

返回 x 的向下取整，小于或等于 x 的最大整數(shù)?？聪率纠?/p>

fabs(x)

返回 x 的絕對值。看下示例：

fmod(x, y)

返回 x/y 的余數(shù)，值為浮點數(shù)?？聪率纠?/p>

factorial(x)

返回 x 的階乘，如果 x 不是整數(shù)或為負數(shù)時則將引發(fā) ValueError?？聪率纠?/p>

pow(x, y)

返回 x 的 y 次冪?？聪率纠?/p>

fsum(iterable)

返回迭代器中所有元素的和?？聪率纠?/p>

gcd(x, y)

返回整數(shù) x 和 y 的最大公約數(shù)。看下示例：

sqrt(x)

返回 x 的平方根?？聪率纠?/p>

trunc(x)

返回 x 的整數(shù)部分?？聪率纠?/p>

exp(x)

返回 e 的 x 次冪。看下示例：

log(x[, base])

返回 x 的對數(shù)，底數(shù)默認為 e?？聪率纠?/p>

常量

tan(x)

返回 x 弧度的正切值?？聪率纠?/p>

atan(x)

返回 x 的反正切值。看下示例：

sin(x)

返回 x 弧度的正弦值?？聪率纠?/p>

asin(x)

返回 x 的反正弦值?？聪率纠?/p>

cos(x)

返回 x 弧度的余弦值?？聪率纠?/p>

acos(x)

返回 x 的反余弦值?？聪率纠?/p>

decimal 模塊為正確舍入十進制浮點運算提供了支持，相比內(nèi)置的浮點類型 float，它能更加精確的控制精度，能夠為精度要求較高的金融等領(lǐng)域提供支持。

decimal 在一個獨立的 context 下工作，可以使用 getcontext() 查看當前上下文，如下所示：

從上面的結(jié)果中我們可以看到 prec=28，這就是默認的精度，我們可以使用 getcontext().prec = xxx 來重新設(shè)置精度。接下來通過具體示例看一下。

基本運算

執(zhí)行結(jié)果：

上面結(jié)果是用了默認精度，我們重新設(shè)置下精度再來看一下：

執(zhí)行結(jié)果：

random 模塊可以生成隨機數(shù)，我們來看一下其常用函數(shù)。

random()

返回 [0.0, 1.0) 范圍內(nèi)的一個隨機浮點數(shù)?？聪率纠?/p>

uniform(a, b)

返回 [a, b) 范圍內(nèi)的一個隨機浮點數(shù)。看下示例：

randint(a, b)

返回 [a, b] 范圍內(nèi)的一個隨機整數(shù)?？聪率纠?/p>

randrange(start, stop[, step])

返回 [start, stop) 范圍內(nèi)步長為 step 的一個隨機整數(shù)?？聪率纠?/p>

choice(seq)

從非空序列 seq 返回一個隨機元素。 看下示例：

shuffle(x[, random])

將序列 x 隨機打亂位置?？聪率纠?/p>

sample(population, k)

返回從總體序列或集合中選擇的唯一元素的 k 長度列表，用于無重復(fù)的隨機抽樣?？聪率纠?/p>

參考：

Python--math庫

Python math 庫提供許多對浮點數(shù)的數(shù)學運算函數(shù)，math模塊不支持復(fù)數(shù)運算，若需計算復(fù)數(shù)，可使用cmath模塊（本文不贅述）。

使用dir函數(shù)，查看math庫中包含的所有內(nèi)容：

1） math.pi????# 圓周率π

2） math.e????#自然對數(shù)底數(shù)

3） math.inf? ? #正無窮大∞，-math.inf? ? #負無窮大-∞

4） math.nan? ? #非浮點數(shù)標記，NaN（not a number）

1） math.fabs(x)? ? #表示X值的絕對值

2） math.fmod(x,y)? ? #表示x/y的余數(shù)，結(jié)果為浮點數(shù)

3） math.fsum([x,y,z])? ? #對括號內(nèi)每個元素求和，其值為浮點數(shù)

4） math.ceil(x)? ? #向上取整，返回不小于x的最小整數(shù)

5）math.floor(x)? ? #向下取整，返回不大于x的最大整數(shù)

6） math.factorial(x)? ? #表示X的階乘，其中X值必須為整型，否則報錯

7） math.gcd(a,b)? ? #表示a,b的最大公約數(shù)

8）? math.frexp(x)? ? ? #x = i *2^j，返回（i，j）

9） math.ldexp(x,i)? ? #返回x*2^i的運算值，為math.frexp(x)函數(shù)的反運算

10） math.modf(x)? ? #表示x的小數(shù)和整數(shù)部分

11） math.trunc(x)? ? #表示x值的整數(shù)部分

12） math.copysign(x,y)? ? #表示用數(shù)值y的正負號，替換x值的正負號

13） math.isclose(a,b,rel_tol =x,abs_tol = y)? ? #表示a，b的相似性，真值返回True，否則False；rel_tol是相對公差：表示a，b之間允許的最大差值，abs_tol是最小絕對公差，對比較接近于0有用，abs_tol必須至少為0。

14） math.isfinite(x)? ? #表示當x不為無窮大時，返回True，否則返回False

15） math.isinf(x)? ? #當x為±∞時，返回True，否則返回False

16） math.isnan(x)? ? #當x是NaN，返回True，否則返回False

1） math.pow(x,y)? ? #表示x的y次冪

2） math.exp(x)? ? #表示e的x次冪

3） math.expm1(x)? ? #表示e的x次冪減1

4） math.sqrt(x)? ? #表示x的平方根

5） math.log（x,base）? ? #表示x的對數(shù)值，僅輸入x值時，表示ln(x)函數(shù)

6） math.log1p(x)? ? #表示1+x的自然對數(shù)值

7） math.log2(x)? ? #表示以2為底的x對數(shù)值

8） math.log10(x)? ? #表示以10為底的x的對數(shù)值

1） math.degrees(x)? ? #表示弧度值轉(zhuǎn)角度值

2） math.radians(x)? ? #表示角度值轉(zhuǎn)弧度值

3） math.hypot(x,y)? ? #表示(x,y)坐標到原點(0,0)的距離

4） math.sin(x)? ? #表示x的正弦函數(shù)值

5） math.cos(x)? ? #表示x的余弦函數(shù)值

6） math.tan(x)? ? #表示x的正切函數(shù)值

7）math.asin(x)? ? #表示x的反正弦函數(shù)值

8）?math.acos(x)? ? #表示x的反余弦函數(shù)值

9）?math.atan(x)? ? #表示x的反正切函數(shù)值

10） math.atan2(y,x)? ? #表示y/x的反正切函數(shù)值

11） math.sinh(x)? ? #表示x的雙曲正弦函數(shù)值

12） math.cosh(x)? ? #表示x的雙曲余弦函數(shù)值

13） math.tanh(x)? ? #表示x的雙曲正切函數(shù)值

14） math.asinh(x)? ? #表示x的反雙曲正弦函數(shù)值

15） math.acosh(x)? ? #表示x的反雙曲余弦函數(shù)值

16） math.atanh(x)? ? #表示x的反雙曲正切函數(shù)值

1）math.erf(x)? ? #高斯誤差函數(shù)

2） math.erfc(x)? ? #余補高斯誤差函數(shù)

3） math.gamma(x)? ? #伽馬函數(shù)（歐拉第二積分函數(shù)）

4） math.lgamma(x)? ? #伽馬函數(shù)的自然對數(shù)

arctan換算角度——python實現(xiàn)

對于平面坐標系，任一射線OP與x軸夾角 θ 的范圍，可以取[0,2π)或者(-π,π]，如無特殊說明， 我們統(tǒng)一使用后者。

將笛卡爾空間坐標系中的點 Pc = ( x , y , z ) 表示成球體坐標系中的形式 Ps = ( θ , ? , r ) 。

atan2(b,a)是4象限反正切，它的取值不僅取決于正切值b/a，還取決于點(b,a) 落入哪個象限：

而 atan(b/a) 僅僅根據(jù)正切值為a/b求出對應(yīng)的角度 (可以看作僅僅是2象限反正切)：

結(jié)論： atan 和 atan2函數(shù)，建議用 atan2函數(shù)

參考文章：

如何用python表示三角函數(shù)

在python中，有一個math module，你可以import math，里面有math.sin(), math.cos(), math.asin()和math.acos()四個函數(shù)。相信你也知道asin和acos的意思，就是arcsin和arccos。有了這四個函數(shù)你就可以求函數(shù)值和角度了。但是要注意括號里面填的數(shù)值，要用弧度制。

文章名稱：python中反正切函數(shù),反正切函數(shù)減法
地址分享：http://chinadenli.net/article8/heicop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、服務(wù)器托管、ChatGPT、商城網(wǎng)站、網(wǎng)站內(nèi)鏈、全網(wǎng)營銷推廣

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)