数据标准化【0~1标准化和Z标准化】

朴灿烈づ我的快乐病毒、 2023-02-13 14:37 22阅读 0赞

数据标准化

一、0~1标准化

1.自定义函数：

  1. """
  2. 1.0~1标准化：也称离差标准化，它是对原始数据进行线性变换，
  3. 使结果落到 [0,1] 区间.
  4. X=(x - min)/(max - min)
  5. """
  6. #0~1标准化
  7. def min_max(df,cl,new_cl):
  8.     df[new_cl] = (df[cl]-df[cl].min())/(df[cl].max()-df[cl].min())
  10. min_max(df,'cl1','new_cl1')

示例：

  1. import pandas as pd
  3. df = pd.read_excel(r"C:\Users\wwb\Desktop\indata\data.xls")
  5. def min_max(df,cl,new_cl):
  6.     df[new_cl] = (df[cl]-df[cl].min())/(df[cl].max()-df[cl].min())
  9. min_max(df,'家庭收入','家庭收入标准化')
  10. df['家庭收入标准化'].describe()

2.使用sklearn接口

  1. from sklearn import preprocessing
  3. min_max_scaler = preprocessing.MinMaxScaler()
  4. df['家庭收入标准化'] = min_max_scaler.fit_transform(df['家庭收入'].values.reshape(-1,1))

二、Z标准化

经过处理后，数据的均值为0，标准差为1。

1.自定义函数：

  1. """
  2. 2.Z标准化:数据均值为0，方差为1.
  3. X=(x - mean)/std
  4. """
  6. #Z标准化
  7. def z_score(df,cl,new_cl):
  8.     df[new_cl] = (df[cl]-df[cl].mean())/(df[cl].std())
  10. z_score(df,'家庭收入','家庭收入标准化')

示例：

  1. import pandas as pd
  3. df = pd.read_excel(r"C:\Users\wwb\Desktop\indata\data.xls")
  5. #Z标准化
  6. def z_score(df,cl,new_cl):
  7.     df[new_cl] = (df[cl]-df[cl].mean())/(df[cl].std())
  9. z_score(df,'家庭收入','家庭收入标准化')

2.使用sklearn接口

  1. from sklearn import preprocessing
  3. df['家庭收入标准化'] = preprocessing.scale(df['家庭收入'].values.reshape(-1,1))

发表评论

表情：
评论列表 （有 0 条评论，22人围观）

还没有评论，来说两句吧...

相关阅读

    相关 GitHubHack：标签标准化

    语言标签 在隐喻网站上，每种编程语言都有自己独特的隐喻故事标签。这些语言标签使用户可以轻松查找和访问与特定语言相关的故事。 ⍿ CSS - CSS 故事标签：此标签用于

    冷不防冷不防/ 0 赞/ 59 阅读

    相关 标准化率

    中心思想： 利用某一指定的标准人口构成，消除不同地区在人口构成指标（年龄、性别等）方面的差别，即计算按标准人口构成校准后点的总率，此率称为标准化率。常用的计算方法有直接法

    以你之姓@以你之姓@/ 0 赞/ 359 阅读