Python 实战：数据归一化 4 种核心方法对比 + 代码实现（机器学习必看）

会员源码网

410人浏览 · 2026-04-03 16:13:59

会员源码网 · 2026-04-03 16:13:59 发布

在机器学习、深度学习的数据预处理中，数据归一化是绕不开的关键步骤。不同特征往往量纲不同（比如年龄 18-60、收入 1000-100000），直接训练模型会导致：

梯度下降收敛慢、难以最优解
距离类算法（KNN、K-Means、SVM）精度暴跌
神经网络权重更新失衡

本文整理Python 中最常用的 4 种数据归一化 / 标准化方法，从原理、适用场景、代码实现、优缺点全方位对比，新手也能直接套用！

一、核心概念区分：归一化 vs 标准化

先理清两个易混淆的概念，避免用错方法：

归一化（Normalization）：将数据压缩到 **[0,1]或[-1,1]** 区间，消除量纲影响；
标准化（Standardization）：将数据转换为均值为 0，方差为 1的标准正态分布，不严格限制区间。

两者核心区别：

归一化：依赖数据最大 / 最小值，对异常值敏感；
标准化：依赖数据均值 / 标准差，对异常值鲁棒性更强。

二、4 种常用归一化 / 标准化方法详解

本文使用numpy手动实现 + sklearn封装调用两种方式，兼顾原理理解和工程落地。

测试数据准备

先创建一组包含异常值的测试数据，方便对比效果：

python

运行

import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler, StandardScaler, MaxAbsScaler, RobustScaler

# 生成测试数据（包含异常值：1000）
data = np.array([[10, 200, 30],
                 [20, 300, 40],
                 [30, 400, 50],
                 [40, 500, 60],
                 [50, 1000, 70]])  # 第二列最后一个值为异常值

df = pd.DataFrame(data, columns=['特征1', '特征2', '特征3'])
print("原始数据：")
print(df)

方法 1：最小 - 最大归一化（Min-Max Scaling）→ [0,1]

原理

最基础的线性归一化方法，公式：Xnorm=Xmax−XminX−Xmin

代码实现

python

运行

# 1. 手动实现
def min_max_scaler(x):
    return (x - np.min(x)) / (np.max(x) - np.min(x))

data_minmax = min_max_scaler(data)

# 2. sklearn封装（推荐工程使用）
scaler_minmax = MinMaxScaler()
data_minmax_sk = scaler_minmax.fit_transform(data)

print("\nMin-Max归一化([0,1])：")
print(pd.DataFrame(data_minmax_sk, columns=df.columns))

核心特点

✅ 优点：简单直观，适合数据分布均匀、无明显异常值的场景；❌ 缺点：对异常值极其敏感（最大值会被异常值拉高，导致大部分数据被压缩）；📌 适用场景：图像处理、固定范围的数值特征、神经网络输入层。

方法 2：绝对值最大归一化（Max-Abs Scaling）→ [-1,1]

原理

基于数据绝对值的最大值缩放，适合数据包含正负值的场景，公式：Xnorm=∣Xmax∣X

代码实现

python

运行

# sklearn实现
scaler_maxabs = MaxAbsScaler()
data_maxabs = scaler_maxabs.fit_transform(data)

print("\nMax-Abs归一化([-1,1])：")
print(pd.DataFrame(data_maxabs, columns=df.columns))

核心特点

✅ 优点：不破坏稀疏数据结构，计算高效；❌ 缺点：同样对异常值敏感；📌 适用场景：稀疏矩阵、文本分类、数据已中心化的场景。

方法 3：Z-Score 标准化（Standard Scaling）→ 均值 0 方差 1

原理

最常用的标准化方法，将数据转换为标准正态分布，公式：Xstd=σX−μμ：均值，σ：标准差

代码实现

python

运行

# 1. 手动实现
def standard_scaler(x):
    return (x - np.mean(x)) / np.std(x)

data_standard = standard_scaler(data)

# 2. sklearn实现（机器学习首选）
scaler_std = StandardScaler()
data_std_sk = scaler_std.fit_transform(data)

print("\nZ-Score标准化(均值0,方差1)：")
print(pd.DataFrame(data_std_sk, columns=df.columns))

核心特点

✅ 优点：对异常值鲁棒性强，不依赖极值，适合大部分机器学习算法；✅ 适用算法：逻辑回归、SVM、线性回归、PCA、神经网络；❌ 缺点：数据会偏离原始区间，不适合需要固定范围的场景；📌 适用场景：绝大多数机器学习模型（默认首选）。

方法 4：鲁棒归一化（Robust Scaling）→ 抗异常值神器

原理

针对包含大量异常值的数据设计，使用中位数（Q2）和四分位数（Q1/Q3） 替代均值和极值，公式：Xrobust=Q3−Q1X−Q2

代码实现

python

运行

# sklearn实现
scaler_robust = RobustScaler()
data_robust = scaler_robust.fit_transform(data)

print("\nRobust鲁棒归一化(抗异常值)：")
print(pd.DataFrame(data_robust, columns=df.columns))

核心特点

✅ 优点：完全不受异常值影响，是异常值数据的最优解；✅ 优点：保留数据的离散程度，鲁棒性拉满；❌ 缺点：计算稍复杂，依赖四分位数；📌 适用场景：数据包含异常值、数据分布倾斜（非正态）、实际业务数据。

三、4 种方法全方位对比表

表格

方法	公式核心	输出区间	对异常值敏感性	适用场景	推荐算法
Min-Max	最值缩放	[0,1]	极高	无异常值、均匀分布	神经网络、图像处理
Max-Abs	绝对值缩放	[-1,1]	高	稀疏矩阵、正负数据	文本分类、稀疏特征
Z-Score	均值标准差	无固定区间	低	正态分布、通用场景	90% 机器学习模型
Robust	四分位数缩放	无固定区间	极低	含异常值、倾斜分布	实际业务数据、KNN、K-Means

四、关键结论：怎么选？（新手直接抄作业）

数据无异常值、需要固定范围 → 选 Min-Max 归一化；
数据是稀疏矩阵、包含正负值 → 选 Max-Abs 归一化；
通用机器学习、数据正态分布 → 选 Z-Score 标准化（默认首选）；
数据有异常值、实际业务数据 → 选 Robust 鲁棒归一化。

五、避坑指南（工程必备）

先拆分训练集 / 测试集，再归一化绝对不能用测试集的极值 / 均值做归一化，会导致数据泄露，模型上线必崩！

python

运行

# 正确写法
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(data, [0,1,0,1,0], test_size=0.2)
scaler = StandardScaler()
X_train_std = scaler.fit_transform(X_train)  # 仅用训练集拟合
X_test_std = scaler.transform(X_test)        # 测试集直接用训练集的参数