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
天翼开放平台免费短信验证码接口使用实例
Dec 18 Python
Python中使用装饰器和元编程实现结构体类实例
Jan 28 Python
python线程、进程和协程详解
Jul 19 Python
使用pygame模块编写贪吃蛇的实例讲解
Feb 05 Python
python实现决策树、随机森林的简单原理
Mar 26 Python
解决pandas read_csv 读取中文列标题文件报错的问题
Jun 15 Python
详解如何管理多个Python版本和虚拟环境
May 10 Python
树莓派用python中的OpenCV输出USB摄像头画面
Jun 22 Python
pycharm通过ssh连接远程服务器教程
Feb 12 Python
520使用Python实现“我爱你”表白
May 20 Python
python给list排序的简单方法
Dec 10 Python
Python中re模块的元字符使用小结
Apr 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
PHP4之真OO
2006/10/09 PHP
PHP过滤黑名单关键字的方法
2014/12/01 PHP
Laravel路由设定和子路由设定实例分析
2016/03/30 PHP
PHP实现的方程求解示例分析
2016/11/11 PHP
PHP ADODB实现分页功能简单示例
2018/05/25 PHP
Javascript操作select方法大全[新增、修改、删除、选中、清空、判断存在等]
2008/09/26 Javascript
JQuery实现动态添加删除评论的方法
2015/05/18 Javascript
解析javascript中鼠标滚轮事件
2015/05/26 Javascript
jquery及js实现动态加载js文件的方法
2016/01/21 Javascript
js如何准确获取当前页面url网址信息
2020/09/13 Javascript
微信小程序 利用css实现遮罩效果实例详解
2017/01/21 Javascript
基于vue.js 2.x的虚拟滚动条的示例代码
2018/01/23 Javascript
JS中Promise函数then的奥秘探究
2018/07/30 Javascript
详解微信小程序胶囊按钮返回|首页自定义导航栏功能
2019/06/14 Javascript
vue-router二级导航切换路由及高亮显示的实现方法
2019/07/10 Javascript
如何手写一个简易的 Vuex
2020/10/10 Javascript
js前端对于大量数据的展示方式及处理方法
2020/12/02 Javascript
[56:57]LGD vs VP 2019DOTA2国际邀请赛淘汰赛 胜者组赛BO3 第一场 8.20.mp4
2019/08/22 DOTA
深入解析Python中的集合类型操作符
2015/08/19 Python
python使用多进程的实例详解
2018/09/19 Python
Django 接收Post请求数据,并保存到数据库的实现方法
2019/07/12 Python
Python英文文章词频统计(14份剑桥真题词频统计)
2019/10/13 Python
基于pandas中expand的作用详解
2019/12/17 Python
Python爬取新型冠状病毒“谣言”新闻进行数据分析
2020/02/16 Python
浅谈keras中的batch_dot,dot方法和TensorFlow的matmul
2020/06/18 Python
python中最小二乘法详细讲解
2021/02/19 Python
CSS3 制作旋转的大风车(充满童年回忆)
2013/01/30 HTML / CSS
英国的屈臣氏:Boots博姿
2017/12/23 全球购物
匡威俄罗斯官网:Converse俄罗斯
2020/05/09 全球购物
不开辟用于交换数据的临时空间,如何完成字符串的逆序
2012/12/02 面试题
Why do we need Unit test
2013/01/03 面试题
比较一下entity bean和session bean
2013/12/27 面试题
司机岗位职责说明书
2014/07/29 职场文书
会计工作能力自我评价
2015/03/05 职场文书
初中数学教学反思范文
2016/02/17 职场文书
pytorch 梯度NAN异常值的解决方案
2021/06/05 Python