如何在Python中围绕数值2实现自定义数据缩放？

根据你给出的输入输出示例，这个缩放逻辑可以通过以2为中心的V型线性变换实现，核心公式为：
scaled_x = 1 - abs(x - 2)

这个公式的逻辑是：

• 中心值2被缩放为1（峰值）
• 数值离2越远，缩放后的值越小；小于2的数值线性递增到2，大于2的数值线性递减
• 完全匹配你给出的示例结果

实现方式 #

1. 纯Python列表处理

适合小规模数据或简单列表场景：

a = [0, 1, 1.5, 2, 2.5, 3]
scaled = [1 - abs(x - 2) for x in a]
print(scaled)  # 输出: [-1, 0, 0.5, 1, 0.5, 0]

2. Numpy向量化操作

适合处理大型数组或需要高性能计算的场景：

import numpy as np

a = np.array([0, 1, 1.5, 2, 2.5, 3])
scaled = 1 - np.abs(a - 2)
print(scaled)  # 输出: [-1.  0.  0.5 1.  0.5 0. ]

3. 自定义Scikit-learn兼容缩放器

如果需要和Scikit-learn的Pipeline、GridSearch等组件配合使用，可以自定义一个标准化的缩放类：

from sklearn.base import BaseEstimator, TransformerMixin
import numpy as np

class CenterPeakScaler(BaseEstimator, TransformerMixin):
    def __init__(self, center=2, peak_value=1):
        self.center = center
        self.peak_value = peak_value
    
    def fit(self, X, y=None):
        # 该缩放无需拟合数据分布，fit方法仅保持接口一致性
        return self
    
    def transform(self, X):
        X = np.asarray(X)
        return self.peak_value - np.abs(X - self.center)

# 使用示例
scaler = CenterPeakScaler(center=2, peak_value=1)
a = [0, 1, 1.5, 2, 2.5, 3]
scaled = scaler.transform(a)
print(scaled)  # 输出: [-1.  0.  0.5 1.  0.5 0. ]

扩展调整 #

如果需要调整缩放的斜率（比如让数值偏离2时的变化速率更快/更慢），可以在公式中加入斜率系数k：
scaled_x = 1 - k * abs(x - 2)
例如设置k=0.5，则x=0会被缩放为1 - 0.5*2=0，x=3会被缩放为1 -0.5*1=0.5，可根据需求灵活调整。

内容的提问来源于stack exchange，提问作者Ildikó Magda