這篇文章將為大家詳細講解有關如何在python中實現數據變換,文章內容質量較高,因此小編分享給大家做個參考,希望大家閱讀完這篇文章后對相關知識有一定的了解。
Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向對象的腳本語言,其最初的設計是用于編寫自動化腳本,隨著版本的不斷更新和新功能的添加,常用于用于開發獨立的項目和大型項目。
1、數據規范化,即歸一化的方法
常見方法:最小-最大規范化、z-score規范化、小數定標規范化
import pandas as pd df=pd.DataFrame(A.data[:,3:6]) df.columns=A.feature_names[3:6] #最小-最大規范化,支持矢量運算 (df-df.min())/(df.max()-df.min()) #使用sklearn中的preprocessing模塊 from sklearn import preprocessing preprocessing.minmax_scale(df) #z-score規范化:結果=(數值-均值)/標準差,處理后數據的均值為0,標準差為1 (df-df.mean())/df.std() #使用sklearn中的preprocessing模塊 from sklearn import preprocessing preprocessing.scale(df) #小數定標規范化:常見落在[-1,1]區間,通過移動小數點的位數實現,移動位數取決于屬性絕對值的最大值的位數 #ceil向上取整 import numpy as np df/10**np.ceil(np.log10(df.abs().max()))
2、連續屬性離散化
常見方法:分箱法(等寬法、等頻法)、聚類
import pandas as pd #等寬法,5個箱子,標簽為0-4 pd.cut(df.AGE,5,label=range(5)) #等頻法 pd.qcut(df.AGE,5,label=range(5))
關于如何在python中實現數據變換就分享到這里了,希望以上內容可以對大家有一定的幫助,可以學到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。