我对数据科学比较陌生，而且总体上比较大data munging。我目前有各种数据列，范围从，但每列中的大多数值都是。这些数据代表了一个客户的某些属性，包括某个客户在特定类别中的购买比例（因此每个比例之和为），此外还有访问次数、访问间隔时间等其他数据等。一组样本行可能如下所示：$0-1$$0$$1$

columns = [other_stuff,'C1','C2','C3','C4','C5','C6']
row = [1945,0.45, 0, 0, 0, 0.3, 0.25]
another_row = [438,0, 0.24, 0, 0.01, 0.5, 0.25]

“比例”变量之一的样本直方图如下所示：

截至目前，我正在努力寻找扩展数据的方法，以使其可用于与具有不同单位/数量级的其他数据进行聚类。我是不是该：

1. 使用 Min-Max 方法将所有其他变量缩放到 0-1 范围并保持“比例”变量相同

2. 使用变量的均值和标准差缩放所有变量，即使“比例变量”显然不遵循正态分布（也不能应用对数变换，因为大多数值确实为 0）

3. 保持一切不变，但对所有变量执行降维并基于主成分执行聚类（如果使用主成分分析）

4. 以上都不是; 使用一组完全不同的算法/方法

我目前正在使用 sckit-learn 和 Python 3.7 的选项 3。如果里面有包R也有帮助，请把它们扔给我。谢谢你。