最小-最大缩放函数是一种常用的数据预处理方法，可以将数值特征缩放到指定的范围内。下面是一个Python的示例代码，演示如何编写最小-最大缩放函数：

import numpy as np

def min_max_scale(feature, min_val, max_val):
    """
    最小-最大缩放函数
    :param feature: 待缩放的特征，可以是一维数组或列表
    :param min_val: 目标范围的最小值
    :param max_val: 目标范围的最大值
    :return: 缩放后的特征
    """
    feature = np.array(feature)  # 将输入转换为numpy数组
    min_feature = np.min(feature)  # 特征的最小值
    max_feature = np.max(feature)  # 特征的最大值
    scaled_feature = (feature - min_feature) / (max_feature - min_feature)  # 缩放后的特征
    scaled_feature = scaled_feature * (max_val - min_val) + min_val  # 将特征缩放到目标范围内
    return scaled_feature

使用示例：

feature = [1, 2, 3, 4, 5]
scaled_feature = min_max_scale(feature, 0, 1)
print(scaled_feature)

运行结果：

[0.  0.25 0.5 0.75 1.]

上述代码中，首先将输入特征转换为numpy数组，然后计算特征的最小值和最大值。接下来，使用最小-最大缩放公式将特征缩放到目标范围内。最后，将缩放后的特征返回。