如何将数据列归一化至平均值为1？附示例参考

核心原理 #

要让处理后的新列平均值为1，只需要将原数据列的每个数值除以原列的平均值即可。

推导逻辑：假设原列有n个数据点，平均值为μ，那么新列的平均值为：

(x₁/μ + x₂/μ + ... + xₙ/μ) / n = (x₁+x₂+...+xₙ)/(nμ) = μ/μ = 1

实操示例 #

以你提供的示例列为例，执行以下步骤即可完成转换：

1. 计算原列的平均值μ；
2. 将原列的每个数值除以μ，得到的新列平均值即为1。

Python（Pandas）代码实现

import pandas as pd

# 读取你的数据（替换为实际数据读取方式）
df = pd.DataFrame({'target_col': [2, 3, 1, 4, 5]})  # 示例数据
# 计算原列平均值
original_mean = df['target_col'].mean()
# 生成归一化后的列
df['normalized_col'] = df['target_col'] / original_mean

结果验证

以上示例中原列平均值为3，归一化后得到[0.666..., 1, 0.333..., 1.333..., 1.666...]，计算新列平均值：(0.666+1+0.333+1.333+1.666)/5 = 1，完全符合要求。

内容的提问来源于stack exchange，提问作者이수찰스 오콘