feat: 15 funciones datascience — estadística, DSP e IO de datos
12 funciones puras con implementación real: Standardize, MinMaxScale, Clip, RollingWindow, ZipSlices, GroupBy, Histogram, Pearson, Autocorrelation, FFT (Cooley-Tukey), DetectOutliers, Impute 3 funciones impuras (stubs): LoadCSV, LoadParquet, FetchDataFrame Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
@@ -0,0 +1,33 @@
|
||||
package datascience
|
||||
|
||||
import "math"
|
||||
|
||||
// MinMaxScale escala los valores al rango [0, 1] usando min-max normalización.
|
||||
// Si min == max, retorna un slice de ceros.
|
||||
func MinMaxScale(data []float64) []float64 {
|
||||
n := len(data)
|
||||
if n == 0 {
|
||||
return []float64{}
|
||||
}
|
||||
|
||||
minVal := math.Inf(1)
|
||||
maxVal := math.Inf(-1)
|
||||
for _, v := range data {
|
||||
if v < minVal {
|
||||
minVal = v
|
||||
}
|
||||
if v > maxVal {
|
||||
maxVal = v
|
||||
}
|
||||
}
|
||||
|
||||
rang := maxVal - minVal
|
||||
result := make([]float64, n)
|
||||
if rang == 0 {
|
||||
return result
|
||||
}
|
||||
for i, v := range data {
|
||||
result[i] = (v - minVal) / rang
|
||||
}
|
||||
return result
|
||||
}
|
||||
Reference in New Issue
Block a user