如何在Python的NumPy中对数组进行标准化

标准化是指将数值型数据转换为均值为0，标准差为1的过程，常用于机器学习和数据分析中。在Python的NumPy中，可以通过以下几个步骤对数组进行标准化：

1. 计算数组的均值和标准差

import numpy as np

# 创建一个数组
arr = np.array([[1, 2], 
                [3, 4], 
                [5, 6]])

# 计算均值和标准差
mean = np.mean(arr)
std = np.std(arr)

1. 对数组进行标准化

# 对数组进行标准化
arr_std = (arr - mean) / std

1. 验证标准化结果

# 验证标准化结果
print("标准化前的数组：")
print(arr)
print("标准化后的数组：")
print(arr_std)

示例1：对鸢尾花数据集进行标准化

from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()

# 获取特征数据
x = iris.data

# 计算均值和标准差
mean = np.mean(x, axis=0)
std = np.std(x, axis=0)

# 对特征数据进行标准化
x_std = (x - mean) / std

示例2：对随机数组进行标准化

# 创建一个随机数组
arr = np.random.randint(0, 100, size=(3, 3))

# 计算均值和标准差
mean = np.mean(arr)
std = np.std(arr)

# 对数组进行标准化
arr_std = (arr - mean) / std

# 验证标准化结果
print("随机数组：")
print(arr)
print("标准化后的数组：")
print(arr_std)