# -*- coding: utf-8 -*-

"""

Created on Mon Aug 13 15:26:14 2018

@author: Administrator

"""

import matplotlib.pyplot as plt

import pandas as pd

import numpy as np

from sklearn.preprocessing import MinMaxScaler

from sklearn.preprocessing import StandardScaler

from sklearn.preprocessing import Normalizer

from sklearn.preprocessing import Binarizer

#读取数据

filename='diabetes.csv'

names=['preg','plas','pres','skin','test','mass','pedi','age','class']

data=pd.read_csv(filename)

'''

使用MinMaxScaler类来调整数据尺度

将数据聚集到0附近，方差为1

'''

#将数据分为输入数据和输出数据

array=data.values

X=array[:,0:8]

y=array[:,8]

#将数据缩放到(0,1)

transformer=MinMaxScaler(feature_range=(0,1))

#数据转换

newX=transformer.fit_transform(X)

#确定浮点数字、数组、和numpy对象的显示形式，此处为小数点后3位

np.set_printoptions(precision=3)

print(newX)

'''

正态化数据

使数据符合正正态分布

中位数为0，方差为1

'''

#此处先fit后transform

transformer=StandardScaler().fit(X)

#数据转换

newX=transformer.transform(X)

#设定数据的打印格式

np.set_printoptions(precision=4)

print(newX)

'''

将数据标准化

将每一行数据距离处理成1

适合处理稀疏数据

'''

#fit准备完数据转化的参数后，保存在transformer中

transformer=Normalizer().fit(X)

#数据转换

newX=transformer.transform(X)

#设置数据的打印格式

np.set_printoptions(precision=5)

print(newX)

'''

二值化数据

大于阈值数据设置为1

小于阈值数据设置为0

'''

#二值化数据阈值threshold设为0.0

transformer=Binarizer(threshold=0.0).fit(X)

#数据转换

newX=transformer.transform(X)

np.set_printoptions(precision=6)

print(newX)