数据预处理包括以下几个方面:

• 缺失值处理
• 数据格式化
• 数据规范化
• 数据标准化
• 数据分箱（分组）

标准化经常容易与规范化混淆，但它们指的是不同的东西。规范化涉及将不同比例的度量值调整到一个共同的比例，而标准化则是将特征值转换为均值为零，标准差为1的分布。标准化也是通过 z-score 转换来实现的，其中新值是用当前值与平均值之间的差，除以标准差计算得来的。

Z-score 是一种统计度量值，用于确定单个数据点与数据集其余部分的距离，它可以用来检测数据集中的异常值。

在本教程中，我们将考虑两种类型的标准化：

• z 得分（z-score）
• z 映射（z-map）

一、数据准备（Data Preparation）

本教程的示例数据集还是继续沿用上一个教程（Part 3）中的新冠肺炎数据集，获取方式见上一个教程的文末。

首先，我们需要导入 Python pandas 库，并通过 read_csv() 函数读取数据集。然后我们可以删除所有具有 NaN 值的列，通过 dropna() 函数来实现的。

import pandas  as pd


df = pd.read_csv('datasets/dpc-covid19-ita-regioni.csv')
df.dropna(axis=1, inplace=True)
df.tail(10)