我是 Python 新手，所以我执行以下代码:
test1 = np.array([95, 91, 104, 93, 85, 107, 97, 90, 86, 93, 86, 90, 88, 89, 94, 96, 89, 99, 104, 101, 84, 84, 94, 87, 99, 85, 83, 107, 102, 80, 89, 88, 93, 101, 87, 100, 82, 90, 106, 81, 95])
plt.hist(test1)
plt.show()
并获取此图像:
标准化数据并再次检查绘图后:
plt.gcf().clear()
test2 = preprocessing.normalize([test1])
plt.hist(test2)
plt.show()
新图具有不同的形状，在直方图上我看到每个数字代表一次，与第一个图相比，这对我来说看起来很奇怪。所以我希望与第一个图类似，但范围从 0 到 1。 我哪里错了？
最佳答案
这是一种解决方案。您需要 MinMaxScaler，其标准化的默认范围是 (0,1)。欲了解更多信息，请参阅this来自 sklearn 的官方页面。
from sklearn import preprocessing
test1 = np.array([95, 91, 104, 93, 85, 107, 97, 90, 86, 93, 86, 90, 88, 89, 94, 96, 89, 99, 104, 101, 84, 84, 94, 87, 99, 85, 83, 107, 102, 80, 89, 88, 93, 101, 87, 100, 82, 90, 106, 81, 95])
min_max_scaler = preprocessing.MinMaxScaler()
test2 = min_max_scaler.fit_transform(test1.reshape(-1, 1));
plt.hist(test2)
输出
关于python - plt.hist 显示 preprocessing.normalize 后奇怪的图，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52173064/