import pandas as pd import numpy as npdata = pd.read_csv('zhenjiang_power.csv') # 讀取負(fù)荷 data.loc['record_date']=pd.to_datetime(data['record_date'])#將record_date轉(zhuǎn)換為時(shí)間格式print('data\n',data)# 實(shí)現(xiàn)按照用戶ID分組，然后對其中一列映射到0-1區(qū)間 def ratings_norm(df):"""@param df：每個(gè)用戶分組的dataframe"""min_value = df["power_consumption"].min()max_value = df["power_consumption"].max()MIN=0MAX=1df["Rating_norm"] = df["power_consumption"].apply(lambda x: MIN+(MAX-MIN)/(1+max_value-min_value)*(x-min_value))return df#(1+max_value-min_value) 為了防止分母為0的情況出現(xiàn)ratings = data.groupby("user_id").apply(ratings_norm)print('----11111111111111111-----') print('ratings\n',ratings)

作者：電氣 余登武

總結(jié)

以上是生活随笔為你收集整理的pandas骚操作：分组对数据进行归一化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。