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
详解Python中的strftime()方法的使用
May 22 Python
Python实现的从右到左字符串替换方法示例
Jul 06 Python
详解Django中类视图使用装饰器的方式
Aug 12 Python
Python  unittest单元测试框架的使用
Sep 08 Python
Django使用 Bootstrap 样式修改书籍列表过程解析
Aug 09 Python
Python笔试面试题小结
Sep 07 Python
用python3读取python2的pickle数据方式
Dec 25 Python
Python版中国省市经纬度
Feb 11 Python
python GUI库图形界面开发之PyQt5日期时间控件QDateTimeEdit详细使用方法与实例
Feb 27 Python
jupyter notebook中美观显示矩阵实例
Apr 17 Python
详解python polyscope库的安装和例程
Nov 13 Python
jupyter notebook更换皮肤主题的实现
Jan 07 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多进程编程实例
2014/10/15 PHP
简单谈谈PHP vs Node.js
2015/07/17 PHP
利用php的ob缓存机制实现页面静态化方法
2017/07/09 PHP
ThinkPHP5&5.1框架关联模型分页操作示例
2019/08/03 PHP
jquery移动listbox的值原理及代码
2013/05/03 Javascript
JavaScript中的Web worker多线程API研究
2014/12/06 Javascript
javascript下拉列表菜单的实现方法
2015/11/18 Javascript
关于input全选反选恶心的异常情况
2016/07/24 Javascript
Javascript中级语法快速入手
2016/07/30 Javascript
jQuery实现的省市联动菜单功能示例【测试可用】
2017/01/13 Javascript
慕课网题目之js实现抽奖系统功能
2017/09/19 Javascript
微信小程序picker组件关于objectArray数据类型的绑定方法
2019/03/13 Javascript
微信小程序非跳转式组件授权登录的方法示例
2019/05/22 Javascript
vuex实现像调用模板方法一样调用Mutations方法
2019/11/06 Javascript
解决echarts 一条柱状图显示两个值,类似进度条的问题
2020/07/20 Javascript
python进阶教程之循环对象
2014/08/30 Python
Python中转换角度为弧度的radians()方法
2015/05/18 Python
Python中functools模块函数解析
2017/03/12 Python
解决python3在anaconda下安装caffe失败的问题
2017/06/15 Python
浅谈配置OpenCV3 + Python3的简易方法(macOS)
2018/04/02 Python
解决python 未发现数据源名称并且未指定默认驱动程序的问题
2018/12/07 Python
pyqt弹出新对话框,以及关闭对话框获取数据的实例
2019/06/18 Python
python实现串口通信的示例代码
2020/02/10 Python
基于TensorBoard中graph模块图结构分析
2020/02/15 Python
python按照list中字典的某key去重的示例代码
2020/10/13 Python
Django-silk性能测试工具安装及使用解析
2020/11/28 Python
详解CSS3中字体平滑处理和抗锯齿渲染
2017/03/29 HTML / CSS
Html5原生拖拽相关事件简介以及基础实现
2020/11/19 HTML / CSS
法国二手MacBook销售网站:Okamac
2019/03/18 全球购物
学校安全工作制度
2014/01/19 职场文书
应聘面试自我评价
2014/01/24 职场文书
社会发展项目建议书
2014/08/25 职场文书
致三级跳运动员加油稿
2015/07/21 职场文书
感恩教师节主题班会
2015/08/12 职场文书
元素水平垂直居中的方式
2021/03/31 HTML / CSS
小程序实现悬浮按钮的全过程记录
2021/10/16 HTML / CSS