python数据预处理之数据标准化的几种处理方式


Posted in Python onJuly 17, 2019

何为标准化:

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。

几种标准化方法:

归一化Max-Min

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)

这种方法能使数据归一化到一个区域内,同时不改变原来的数据结构。

实现中心化Z-Score

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群数据的情况。

新数据=(原数据-均值)/标准差

这种方法适合大多数类型数据,也是很多工具的默认标准化方法。标准化之后的数据是以0为均值,方差为以的正太分布。但是Z-Score方法是一种中心化方法,会改变原有数据的分布结构,不适合用于对稀疏数据做处理。

很多时候数据集会存在稀疏特征,表现为标准差小,很多元素值为0,最常见的稀疏数据集是用来做协同过滤的数据集,绝大部分数据都是0。对稀疏数据做标准化,不能采用中心化的方式,否则会破坏稀疏数据的结构。

用于稀疏数据的MaxAbs

最大值绝对值标准化(MaxAbs)即根据最大值的绝对值进行标准化,假设原转换的数据为x,新数据为x',那么x'=x/|max|,其中max为x锁在列的最大值。

该方法的数据区间为[-1, 1],也不破坏原数据结构的特点,因此也可以用于稀疏数据,一些稀疏矩阵。

针对离群点的RobustScaler

有些时候,数据集中存在离群点,用Z-Score进行标准化,但是结果不理想,因为离群点在标准化后丧失了利群特性。RobustScaler针对离群点做标准化处理,该方法对数据中心化的数据的缩放健壮性有更强的参数控制能力。

python实现

import numpy as np
import pandas as pd
from sklearn import preprocessing
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
import matplotlib.pyplot as plt
%matplotlib inline

# 导入数据
data = make_moons(n_samples=200, noise=10)[0]

#Z-Score标准化
#建立StandardScaler对象
zscore = preprocessing.StandardScaler()
# 标准化处理
data_zs = zscore.fit_transform(data)

#Max-Min标准化
#建立MinMaxScaler对象
minmax = preprocessing.MinMaxScaler()
# 标准化处理
data_minmax = minmax.fit_transform(data)

#MaxAbs标准化
#建立MinMaxScaler对象
maxabs = preprocessing.MaxAbsScaler()
# 标准化处理
data_maxabs = maxabs.fit_transform(data)

#RobustScaler标准化
#建立RobustScaler对象
robust = preprocessing.RobustScaler()
# 标准化处理
data_rob = robust.fit_transform(data)

# 可视化数据展示
# 建立数据集列表
data_list = [data, data_zs, data_minmax, data_maxabs, data_rob]
# 创建颜色列表
color_list = ['blue', 'red', 'green', 'black', 'pink']
# 创建标题样式
title_list = ['source data', 'zscore', 'minmax', 'maxabs', 'robust']

# 设置画幅
plt.figure(figsize=(9, 6))
# 循环数据集和索引
for i, dt in enumerate(data_list):
  # 子网格
  plt.subplot(2, 3, i+1)
  # 数据画散点图
  plt.scatter(dt[:, 0], dt[:, 1], c=color_list[i])
  # 设置标题
  plt.title(title_list[i])
# 图片储存 
plt.savefig('xx.png')
# 图片展示
plt.show()

python数据预处理之数据标准化的几种处理方式

参考:
《python数据分析与数据化运营》 宋天龙

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python的Flask框架中使用Flask-SQLAlchemy管理数据库的教程
Jun 14 Python
python利用正则表达式提取字符串
Dec 08 Python
python 截取 取出一部分的字符串方法
Mar 01 Python
Django中STATIC_ROOT和STATIC_URL及STATICFILES_DIRS浅析
May 08 Python
Python实现手写一个类似django的web框架示例
Jul 20 Python
python实现连续图文识别
Dec 18 Python
Django 过滤器汇总及自定义过滤器使用详解
Jul 19 Python
wxpython绘制音频效果
Nov 18 Python
wxPython多个窗口的基本结构
Nov 19 Python
Python自动登录QQ的实现示例
Aug 28 Python
python如何对链表操作
Oct 10 Python
使用Python Tkinter实现剪刀石头布小游戏功能
Oct 23 Python
解决Python正则表达式匹配反斜杠''\''问题
Jul 17 #Python
python小程序实现刷票功能详解
Jul 17 #Python
python 获取sqlite3数据库的表名和表字段名的实例
Jul 17 #Python
Python math库 ln(x)运算的实现及原理
Jul 17 #Python
Python_查看sqlite3表结构,查询语句的示例代码
Jul 17 #Python
10分钟用python搭建一个超好用的CMDB系统
Jul 17 #Python
在SQLite-Python中实现返回、查询中文字段的方法
Jul 17 #Python
You might like
php URL编码解码函数代码
2009/03/10 PHP
rephactor 优秀的PHP的重构工具
2011/06/09 PHP
解析php扩展php_curl.dll不加载的解决方法
2013/06/26 PHP
php自动获取关键字的方法
2015/01/06 PHP
PHP实现微信对账单处理
2018/10/01 PHP
Thinkphp 3.2框架使用Redis的方法详解
2019/10/24 PHP
JavaScript Event学习第三章 早期的事件处理程序
2010/02/07 Javascript
jQuery Ajax方法调用 Asp.Net WebService 的详细实例代码
2011/04/27 Javascript
自己做的模拟模态对话框实现代码
2012/05/23 Javascript
基于jquery实现放大镜效果
2015/08/17 Javascript
浅析ES6的八进制与二进制整数字面量
2016/08/30 Javascript
js+html5实现复制文字按钮
2017/07/15 Javascript
js实现可以点击收缩或张开的悬浮窗
2017/09/18 Javascript
微信小程序上传图片到服务器实例代码
2017/11/07 Javascript
Node.js npm命令运行node.js脚本的方法
2018/10/10 Javascript
vue cli3适配所有端方案的实现
2020/04/13 Javascript
VueJS实现用户管理系统
2020/05/29 Javascript
vue实现图片上传到后台
2020/06/29 Javascript
[57:24]LGD vs VGJ.T 2018国际邀请赛小组赛BO2 第二场 8.16
2018/08/17 DOTA
零基础写python爬虫之打包生成exe文件
2014/11/06 Python
Python2.x中str与unicode相关问题的解决方法
2015/03/30 Python
轻松实现TensorFlow微信跳一跳的AI
2018/01/05 Python
ubuntu环境下python虚拟环境的安装过程
2018/01/07 Python
浅谈django三种缓存模式的使用及注意点
2018/09/30 Python
ubuntu 18.04搭建python环境(pycharm+anaconda)
2019/06/14 Python
python matplotlib imshow热图坐标替换/映射实例
2020/03/14 Python
strstr()的简单实现
2013/09/26 面试题
财务会计人员求职的自我评价
2014/01/13 职场文书
电脑售后服务承诺书
2014/03/27 职场文书
成品库仓管员岗位职责
2014/04/06 职场文书
国家税务局干部作风整顿整改措施
2014/09/18 职场文书
2014年新农村建设工作总结
2014/12/01 职场文书
Arthas排查Kubernetes中应用频繁挂掉重启异常
2022/02/28 MySQL
python和Appium的移动端多设备自动化测试框架
2022/04/26 Python
python区块链持久化和命令行接口实现简版
2022/05/25 Python
Go Grpc Gateway兼容HTTP协议文档自动生成网关
2022/06/16 Golang