python标准函数有哪些_python数据标准化常⽤⽅法，z-
scoremin-max标准化
数据标准化
在数据分析之前，我们通常需要先将数据标准化(normalization)，利⽤标准化后的数据进⾏数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和⽆量纲化处理两个⽅⾯。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作⽤⼒的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评⽅案的作⽤⼒同趋化，再加总才能得出正确结果。数据⽆量纲化处理主要解决数据的可⽐性。数据标准化的⽅法有很多种，常⽤的有"最⼩-最⼤标准化"、"Z-score标准化"和"按⼩数定标标准化"等。经过上述标准化处理，原始数据均转换为⽆量纲化指标测评值，即各指标值都处于同⼀个数量级别上，可以进⾏综合测评分析。
常见的⼏种形式
通常数据标准化有以下⼏种：
Min-max 标准化数据缩放：
x’=x−xminxmax−xminx’ = \frac{x-x_{min}}{x_{max}-x_{min}}x’=xmax−xmin x−xmin
min-max标准化⽅法是对原始数据进⾏线性变换。设minA和maxA分别为属性A的最⼩值和最⼤值，将A的⼀个原始值x通过min-max标准化映射成在区间[0,1]中的值x’，其公式为:
新数据=(原数据-最⼩值)/(最⼤值-最⼩值)
z-score 标准化
这种⽅法基于原始数据的均值(mean)和标准差(standard deviation)进⾏数据的标准化。将A的原始值x使⽤z-score标准化到x’。z-score标准化⽅法适⽤于属性A的最⼤值和最⼩值未知的情况，或有超出取值范围的离数据的情况。将数据按其属性(按列进⾏)减去其均值，然后除以其⽅差。最后得到的结果是，对每个属性/每列来说所有数据都聚集在0附近，⽅差值为1。
x’=x−μδ μ为数据的均值 δ为⽅差x’ = \frac{x-\mu}{\delta} \ \mu为数据的均值 \ \delta为⽅差x’=δx−μμ为数据的均值 δ为⽅差
Python标准化预处理函数：preprocessing.scale(X,axis=0, with_mean=True, with_std=True, copy=True)：
将数据转化为标准正态分布（均值为0，⽅差为1）preprocessing.minmax_scale(X,feature_range=(0, 1), axis=0, copy=True)：
将数据在缩放在固定区间，默认缩放到区间 [0, 1]preprocessing.maxabs_scale(X,axis=0, copy=True)：
数据的缩放⽐例为绝对值最⼤值，并保留正负号，即在区间 [-1.0, 1.0] 内。唯⼀可⽤于稀疏数据
scipy.sparse的标准化bust_scale(X,axis=0, with_centering=True, with_scaling=True,copy=True)：
通过 Interquartile Range (IQR) 标准化数据，即四分之⼀和四分之三分位点之间
对应的标准化预处理类：classpreprocessing.StandardScaler(copy=True, with_mean=True,with_std=True)：
标准正态分布化的类
属性：scale_：ndarray，缩放⽐例
mean_：ndarray，均值
var_：ndarray，⽅差
n_samples_seen_：int，已处理的样本个数，调⽤partial_fit()时会累加，调⽤fit()会重设
classpreprocessing.MinMaxScaler(feature_range=(0, 1),copy=True)：
将数据在缩放在固定区间的类，默认缩放到区间 [0, 1]，对于⽅差⾮常⼩的属性可以增强其稳定性，维持稀疏矩阵中为0的条⽬
属性：min_：ndarray，缩放后的最⼩值偏移量
scale_：ndarray，缩放⽐例
data_min_：ndarray，数据最⼩值
data_max_：ndarray，数据最⼤值
data_range_：ndarray，数据最⼤最⼩范围的长度classpreprocessing.MaxAbsScaler(copy=True)：
数据的缩放⽐例为绝对值最⼤值，并保留正负号，即在区间 [-1.0, 1.0] 内。可以⽤于稀疏数据scipy.sparse
属性：scale_：ndarray，缩放⽐例
max_abs_：ndarray，绝对值最⼤值
n_samples_seen_：int，已处理的样本个数classpreprocessing.RobustScaler(with_centering=True,with_scaling=True,
copy=True)：
通过 Interquartile Range (IQR) 标准化数据，即四分之⼀和四分之三分位点之间
属性：center_：ndarray，中⼼点
scale_：ndarray，缩放⽐例classpreprocessing.KernelCenterer：
⽣成 kernel 矩阵，⽤于将 svm kernel 的数据标准化（参考资料不全）以上⼏个标准化类的⽅法：
fit(X[,y])：根据数据 X 的值，设置标准化缩放的⽐例
transform(X[,y, copy])：⽤之前设置的⽐例标准化 X
fit_transform(X[, y])：根据 X设置标准化缩放⽐例并标准化
partial_fit(X[,y])：累加性的计算缩放⽐例
inverse_transform(X[,copy])：将标准化后的数据转换成原数据⽐例
get_params([deep])：获取参数
set_params(**params)：设置参数
数据归⼀化alize(X,norm='l2', axis=1, copy=True)：
将数据归⼀化到区间 [0, 1]，norm 可取值 ‘l1’、‘l2’、‘max’。可⽤于稀疏数据
scipy.sparseclasspreprocessing.Normalizer(norm='l2', copy=True)：
数据归⼀化的类。可⽤于稀疏数据 scipy.sparse⽅法：fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、
get_params([deep])、
set_params(**params)
数据⼆值化preprocessing.binarize(X,threshold=0.0, copy=True)：
将数据转化为 0 和 1，其中⼩于等于 threshold 为 0，可⽤于稀疏数据
scipy.sparseclasspreprocessing.Binarizer(threshold=0.0,copy=True)：
⼆值化处理的类，可⽤于稀疏数据 scipy.sparse
⽅法：fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、get_params([deep])、set_params(**params)，其中fit 函数不会做任何操作
类别数据编码
数据的某些特征是⽂本，特征是⽆序的，⽐如国籍，但数字是有序的，所以不能直接⽤数字编码
classpreprocessing.OneHotEncoder(n_values='auto',categorical_features='all', dtype='float',
sparse=True,handle_unknown='error')：
将具有多个类别的特征转换为多维⼆元特征，所有⼆元特征互斥，当某个⼆元特征为 1 时，表⽰取某个类别
参数：
n_values：处理的类别个数，可以为‘auto’，int或者 int数组
categorical_features：被当作类别来处理的特征，可以为“all”或者下标数组指定或者mask数组指定
属性：
active_features_：ndarray，实际处理的类别数
feature_indices_：ndarray，第 i个原特征在转换后的特征中的下标在 feature_indices_[i] 和 feature_indices_[i+1]之间n_values_：ndarray，每维的类别数
⽅法：fit(X[, y])、transform(X[, y,copy])、fit_transform(X[,y])、get_params([deep])、
set_params(**params)classpreprocessing.LabelBinarizer(neg_label=0, pos_label=1,sparse_output=False)：
和 OneHotEncoder 类似，将类别特征转换为多维⼆元特征，并将每个特征扩展成⽤⼀维表⽰
属性：
classes：ndarry，所有类别的值
y_type_：str
multilabel_：bool
sparse_input_：bool
indicator_matrix_：str
⽅法：fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、inverse_transform(y)、get_params([deep])、
set_params(**params)
preprocessing.label_binarize(y,classes, neg_label=0, pos_label=1, sparse_output=False)：
LabelBinarizer 类对应的处理函数
classpreprocessing.LabelEncoder：
将类别特征标记为 0 到 n_classes - 1 的数
⽅法：fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、inverse_transform(y)、get_params([deep])、
set_params(**params)
classpreprocessing.MultiLabelBinarizer(classes=None,sparse_output=False)：
和 LabelBinarizer 类似
feature_extraction.DictVectorizer类
patsy包
数据缺失classpreprocessing.Imputer(missing_values='NaN',strategy='mean', axis=0, verbose=0, copy=True)：参数：missing_values：int 或者“NaN”，对np.nan的值⽤ "NaN"
strategy："mean"、"median"、"most_frequent"
属性：statistics_：ndarray，当axis==0时，取每列填补时⽤的值
⽅法：fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、get_params([deep])、set_params(**params)
⽣成多项式数据
可以将数据多项式结合⽣成多维特征，⽐如 [a,b] 的⼆次多项式特征为 [1, a, b, a^2, ab,
b^2]classpreprocessing.PolynomialFeatures(degree=2,interaction_only=False, include_bias=True)：
python 定义数组参数：degree：int，多项式次数
interaction_only：boolean，是否只产⽣交叉相乘的特征
include_bias：boolean，是否包含偏移列，即全为1 的列
属性：
powers_：ndarray，⼆维数组。powers_[i,j] 表⽰第 i 维输出中包含的第 j 维输⼊的次数
n_input_features_：int，输⼊维数
n_output_features_：int，输出维数
⽅法：
fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、get_params([deep])、set_params(**params)
增加伪特征preprocessing.add_dummy_feature(X,value=1.0)：
在 X 的第⼀列插⼊值为 value 的列
⾃定义数据转换
可以使⽤⾃定义的 python函数来转换数据classpreprocessing.FunctionTransformer(func=None,validate=True, accept_sparse=False, pass_y=False)：
⽅法：fit(X[,y])、transform(X[, y,copy])、fit_transform(X[,y])、get_params([deep])、set_params(**params)
案例
⾃⼰写⼀个公式来进⾏标准化：def my_scale(data):
mean = sum(data) / len(data) #先求均值
variance = ( sum([ (I-mean) ** 2 for I in data]) ) / len(data) #再求⽅差
normal = [(I - mean) / (variance ) ** 0.5 for I in data] #按照公式标准化
return normal
利⽤pandas处理
对每⼀列进⾏标准化（每个数值在0-1之间）import numpy as np
import pandas as pd
np.random.seed(1)
df = pd.DataFrame(np.random.randn(4,4)* 4 + 3)
⽅法⼀
df=df.apply(lambda x: (x - np.min(x)) / (np.max(x) - np.min(x)))
⽅法⼆
df=(df - df.min()) / (df.max() - df.min())
使⽤scale⽅法进⾏标准化from sklearn import preprocessing
import numpy as np
X_train = np.array([[ 1., -1., 2.],
[ 2., 0., 0.],
[ 0., 1., -1.]])
X_scaled = preprocessing.scale(X_train)
print(X_scaled)
[[ 0. -1.22474487 1.33630621]
[ 1.22474487 0. -0.26726124]
[-1.22474487 1.22474487 -1.06904497]] MaxMinScaler⽅法import numpy as np
from sklearn import preprocessing
X_train = np.array([[ 1., -1., 2.],
[ 2., 0., 0.],
[ 0., 1., -1.]])
min_max_sacler = preprocessing.MinMaxScaler() min_max_sacler.fit(X_train)
print(min_ansform(X_train))
[[0.5 0. 1. ]
[1. 0.5 0.33333333]
[0. 1. 0. ]]

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。