导语：
本文主要介绍了关于python数据变换如何实现的相关知识，希望可以帮到处于编程学习途中的小伙伴
1、数据规范化，即归一化的方法
常见方法：最小-规范化、z-score规范化、小数定标规范化
import pandas as pd
df=pd.DataFrame(A.data[:,3:6])
df.columns=A.feature_names[3:6]
#最小-规范化，支持矢量运算
(df-df.min())/(df.max()-df.min())
#使用sklearn中的preprocessing模块
from sklearn import preprocessing
preprocessing.minmax_scale(df)
#z-score规范化：结果=（数值-均值）/标准差，处理后数据的均值为0，标准差为1
(df-df.mean())/df.std()
#使用sklearn中的preprocessing模块
from sklearn import preprocessing
preprocessing.scale(df)
#小数定标规范化：常见落在[-1,1]区间，通过移动小数点的位数实现，移动位数取决于属性绝对值的值的位数
#ceil向上取整
import numpy as np
df/10**np.ceil(np.log10(df.abs().max()))
2、连续属性离散化
常见方法：分箱法（等宽法、等频法）、聚类
import pandas as pd
#等宽法,5个箱子，标签为0-4
pd.cut(df.AGE,5,label=range(5))
#等频法
pd.qcut(df.AGE,5,label=range(5))
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈