這篇文章將為大家詳細(xì)講解有關(guān)如何在python中實(shí)現(xiàn)數(shù)據(jù)變換,文章內(nèi)容質(zhì)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(guān)知識有一定的了解。
站在用戶的角度思考問題,與客戶深入溝通,找到新泰網(wǎng)站設(shè)計與新泰網(wǎng)站推廣的解決方案,憑借多年的經(jīng)驗(yàn),讓設(shè)計與互聯(lián)網(wǎng)技術(shù)結(jié)合,創(chuàng)造個性化、用戶體驗(yàn)好的作品,建站類型包括:成都網(wǎng)站制作、做網(wǎng)站、外貿(mào)營銷網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣、主機(jī)域名、網(wǎng)絡(luò)空間、企業(yè)郵箱。業(yè)務(wù)覆蓋新泰地區(qū)。
Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言,其最初的設(shè)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(fā)獨(dú)立的項(xiàng)目和大型項(xiàng)目。
1、數(shù)據(jù)規(guī)范化,即歸一化的方法
常見方法:最小-最大規(guī)范化、z-score規(guī)范化、小數(shù)定標(biāo)規(guī)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(guī)范化,支持矢量運(yùn)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(guī)范化:結(jié)果=(數(shù)值-均值)/標(biāo)準(zhǔn)差,處理后數(shù)據(jù)的均值為0,標(biāo)準(zhǔn)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(shù)定標(biāo)規(guī)范化:常見落在[-1,1]區(qū)間,通過移動小數(shù)點(diǎn)的位數(shù)實(shí)現(xiàn),移動位數(shù)取決于屬性絕對值的最大值的位數(shù) #ceil向上取整 import numpy as np df/10**np.ceil(np.log10(df.abs().max()))
2、連續(xù)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(biāo)簽為0-4 pd.cut(df.AGE,5,label=range(5)) #等頻法 pd.qcut(df.AGE,5,label=range(5))
關(guān)于如何在python中實(shí)現(xiàn)數(shù)據(jù)變換就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,可以學(xué)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。
文章標(biāo)題:如何在python中實(shí)現(xiàn)數(shù)據(jù)變換
URL地址:http://chinadenli.net/article16/gpcsdg.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供云服務(wù)器、建站公司、移動網(wǎng)站建設(shè)、虛擬主機(jī)、品牌網(wǎng)站設(shè)計、網(wǎng)站營銷
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)