具体的なデータは、ブログ、下のリンクから入手でき、データの処理の標準化、データおよび以前の作業を継続
外れ値を除きます
スクリーンショットは、ExcelのテーブルとIIを置きます
一般的な考え方：
実用上の問題は、異なるデータをファジークラスタリングとして、標準化される必要があり、異なる寸法と性質を持っていることがあります。レンジ変換は、本明細書中で使用しました：
コードを入れてください：
AS NP numpyのインポート
インポートPANDAS PD ASの
パス= "E：/ Model_building / A /"
S2 = pd.read_excel（パス+ "sheet2.xlsx"）
S1 = pd.read_excel（パス+ "sheet1.xlsx"）1,2＃インポート表
S1 = pd.DataFrame（s1.values）データフレーム＃
S2 = pd.DataFrame（s2.values）
S1 = s1.drop（[s1.columns [0]、軸= 1）は＃0除去
S2 = S2。ドロップ（[s2.columns [0]、軸= 1）
s1.columns = [ ''、 'B'、 'C'、 'D'、 'E']＃削除前に死亡列名を求め、依然としてカラム名を使用することがより便利に感じる
[ '1' 、 '2'、' 3' 、 '4' 、' 5' 、 '6' 、' 7' 、 '8' 、' 9' ] = s2.columnsを
S2 [ '1'] = S2 [ ' 1']。astype（ 'Int64の'）＃の出力数は変更INT、floatとして表2に見出される
、1ポイントをサンプリングされた出力S1とS2、見てヘッド数、B、C XY座標、dは仰角で、Eは、領域の種類である2-9各サンプリング点における8つの要素の濃度に
S12 = pd.merge（S1、S2、どのよう= 'インナー'、left_on = ''、right_on = '1'）＃ 1及び2テーブルインデックスに応じて、マージS12
デルS12 [」1' ]
s12.head （）
ヘッドの出力S12を見て、あなたが理解していること
=パス"E：/ Model_building / A /"
ミリアンペア= s12.groupby（S12 [ 'E']）MAX（）ILOC。[：、4:12]。
miザs12.groupby =（S12 [ 'E']） .min（）ILOC。[：、4:12 ]＃1 列のパケット領域、得られた各要素の最大値と最小値
S122 = s12.set_index（[ '' 、 'E']）＃ ダブルインデックス
プリント（MI、 '\ N-'）
プリント（s122.head（））
s122.iloc [：、3:12] =（s122.iloc [：、3:12] - miザ）/（MA-miザ）＃レンジ変換
S122。 to_excel（パス+「sheet_standardized.xlsx」）は
MI S122及び減算によって、ときに、範囲の変換が行われる次のように、各E複数S122ので、それは、与えられました：
インデックスが重複することができない、それがそうするとき、減算、自動マッチング対応する行（e）および列（要素）は、二重指数（すなわち、シーケンス番号と領域）が設けられています
pathx = "E：/ Model_building / A / cumcm2011A データアネックス_ * .XLS"
各領域＃の各要素の.. GROUPBY（S12 [ 'E']）、平均（）P = s12.iloc [：5]平均
印刷（P）
S122 = s122.reset_index（）＃インデックスを取り消し、次のステップ'E'を参照
P1 = s122.groupby（S122 [ 'E']）、平均（）ILOC [：5：] ..＃あたり地域の各要素、レンジ変換によって平均
印刷（P1）
の保存p1.to_excel（パス+「sheet1-6.xlsx」）＃
p.to_excel（パス+「sheet1-7.xlsx」）は、
二つのテーブルについて置きます結果
