1、公式：

2、API

sklearn.preprocessing.MinMaxScaler(feature_range=(0,1))
MinMaxScaler.fit_transform(X)

X：numpy array格式的数据 [n_samples,n_features]
n_samples：样本数 n_features：特征数（列）
返回值：形状相同的array

3、缺点：由于归一化使用最大值最小值进行计算，若最大值、最小值缺失或错误，归一化结果的准确性就会大大降低，为此可采用标准化

ex_1

from sklearn.preprocessing import MinMaxScaler
import jieba
def minmax_demo():
    '''
    归一化
    :return:
    '''
    data = pd.read_csv("data.txt")
    data = data.iloc(:,:3)
    transfer = MinMaxScaler()
    data_new = transfer.fit_transform(data)
    print("data_new：\n", data_new)
    return None