（python）时间序列归一化相关问题

问题一：
现有31条时间序列，大多数波动范围很大，少数几乎没有波动。

（图为31条时间序列的折线图）

在进行层次聚类（hierarchical clustering）前，我需要对数据进行归一化。
我打算利用MinMaxScaler（）函数对数据归一化。对于波动剧烈的时间序列，效果不错。但是对于相对平稳的序列而言，归一化之后的效果非常糟糕。

以时间序列[28]，[29]，[30]为例：

（图为[28]，[29]，[30]号时间序列的折线图）

利用MinMaxScaler（）归一化后，在0~1区间内 [28]，[29]号时间序列会丢失它们原有的平稳特征。当时[30]号时间序列表现良好。

from sklearn import preprocessing 
min_max_scaler = preprocessing.MinMaxScaler() 
df_Tn = min_max_scaler.fit_transform(df_T)

（图为利用MinMaxScaler（）归一化后[28]，[29]，[30]号时间序列的折线图）

请问我应当如何对数据作预处理呢？

问题二：
在进行层次聚类（hierarchical clustering）时，假定利用欧氏距离（metric='euclidean'），时间序列适合哪种测距方式呢？
（method=？）
比如single, complete, average, ward, weighted 中的哪一个，或者其他的测距方式呢？