Pythonにおける標準化の方法

1. NumPyを使用した標準化の方法:

   import numpy as np
   data = np.array([1, 2, 3, 4, 5])
   # 平均と標準偏差を計算
   mean = np.mean(data)
   std = np.std(data)
   # データの標準化
   standardized_data = (data - mean) / std
   print(standardized_data)

2. scikit-learnを使用した標準化の方法:

   from sklearn.preprocessing import StandardScaler
   data = [[1, 2], [3, 4], [5, 6]]
   # StandardScalerオブジェクトを作成
   scaler = StandardScaler()
   # データを標準化
   standardized_data = scaler.fit_transform(data)
   print(standardized_data)

3. pandasを使用した標準化の方法:

   import pandas as pd
   data = {'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10]}
   # DataFrameを作成
   df = pd.DataFrame(data)
   # 列ごとにデータを標準化
   standardized_data = (df - df.mean()) / df.std()
   print(standardized_data)

これらのコード例では、NumPy、scikit-learn、およびpandasを使用してデータの標準化を行っています。どの方法を選択するかは、データの形式や処理のニーズによって異なります。適切な方法を選び、データのスケールを統一化することで、より正確な分析やモデリングを行うことができます。