python中常用的九种预处理方法分享


Posted in Python onSeptember 11, 2016

本文总结的是我们大家在python中常见的数据预处理方法,以下通过sklearn的preprocessing模块来介绍;

1. 标准化(Standardization or Mean Removal and Variance Scaling)

变换后各维特征有0均值,单位方差。也叫z-score规范化(零均值规范化)。计算方式是将特征值减去均值,除以标准差。

sklearn.preprocessing.scale(X)

一般会把train和test集放在一起做标准化,或者在train集上做标准化后,用同样的标准化器去标准化test集,此时可以用scaler

scaler = sklearn.preprocessing.StandardScaler().fit(train)
scaler.transform(train)
scaler.transform(test)

实际应用中,需要做特征标准化的常见情景:SVM

2. 最小-最大规范化

最小-最大规范化对原始数据进行线性变换,变换到[0,1]区间(也可以是其他固定最小最大值的区间)

min_max_scaler = sklearn.preprocessing.MinMaxScaler()
min_max_scaler.fit_transform(X_train)

3.规范化(Normalization)

规范化是将不同变化范围的值映射到相同的固定范围,常见的是[0,1],此时也称为归一化。

将每个样本变换成unit norm。

X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]]
sklearn.preprocessing.normalize(X, norm='l2')

得到:

array([[ 0.40, -0.40, 0.81], [ 1, 0, 0], [ 0, 0.70, -0.70]])

可以发现对于每一个样本都有,0.4^2+0.4^2+0.81^2=1,这就是L2 norm,变换后每个样本的各维特征的平方和为1。类似地,L1 norm则是变换后每个样本的各维特征的绝对值和为1。还有max norm,则是将每个样本的各维特征除以该样本各维特征的最大值。
在度量样本之间相似性时,如果使用的是二次型kernel,需要做Normalization

4. 特征二值化(Binarization)

给定阈值,将特征转换为0/1

binarizer = sklearn.preprocessing.Binarizer(threshold=1.1)
binarizer.transform(X)

5. 标签二值化(Label binarization)

lb = sklearn.preprocessing.LabelBinarizer()

6. 类别特征编码

有时候特征是类别型的,而一些算法的输入必须是数值型,此时需要对其编码。

enc = preprocessing.OneHotEncoder()
enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
enc.transform([[0, 1, 3]]).toarray() #array([[ 1., 0., 0., 1., 0., 0., 0., 0., 1.]])

上面这个例子,第一维特征有两种值0和1,用两位去编码。第二维用三位,第三维用四位。

另一种编码方式

newdf=pd.get_dummies(df,columns=["gender","title"],dummy_na=True)

7.标签编码(Label encoding)

le = sklearn.preprocessing.LabelEncoder() 
le.fit([1, 2, 2, 6]) 
le.transform([1, 1, 2, 6]) #array([0, 0, 1, 2]) 
#非数值型转化为数值型
le.fit(["paris", "paris", "tokyo", "amsterdam"])
le.transform(["tokyo", "tokyo", "paris"]) #array([2, 2, 1])

8.特征中含异常值时

sklearn.preprocessing.robust_scale

9.生成多项式特征

这个其实涉及到特征工程了,多项式特征/交叉特征。

poly = sklearn.preprocessing.PolynomialFeatures(2)
poly.fit_transform(X)

原始特征:python中常用的九种预处理方法分享

转化后:python中常用的九种预处理方法分享

总结

以上就是为大家总结的python中常用的九种预处理方法分享,希望这篇文章对大家学习或者使用python能有一定的帮助,如果有疑问大家可以留言交流。

Python 相关文章推荐
利用Python的装饰器解决Bottle框架中用户验证问题
Apr 24 Python
Django中URLconf和include()的协同工作方法
Jul 20 Python
使用Python来编写HTTP服务器的超级指南
Feb 18 Python
Python之Scrapy爬虫框架安装及简单使用详解
Dec 22 Python
Python去除、替换字符串空格的处理方法
Apr 01 Python
python实现自动网页截图并裁剪图片
Jul 30 Python
一篇文章彻底搞懂Python中可迭代(Iterable)、迭代器(Iterator)与生成器(Generator)的概念
May 13 Python
python挖矿算力测试程序详解
Jul 03 Python
python检测服务器端口代码实例
Aug 31 Python
Python多线程操作之互斥锁、递归锁、信号量、事件实例详解
Mar 24 Python
opencv+python实现鼠标点击图像,输出该点的RGB和HSV值
Jun 02 Python
python入门学习关于for else的特殊特性讲解
Nov 20 Python
python 打印出所有的对象/模块的属性(实例代码)
Sep 11 #Python
python 打印对象的所有属性值的方法
Sep 11 #Python
全面了解python中的类,对象,方法,属性
Sep 11 #Python
Python读取图片属性信息的实现方法
Sep 11 #Python
python开发环境PyScripter中文乱码问题解决方案
Sep 11 #Python
基于asyncio 异步协程框架实现收集B站直播弹幕
Sep 11 #Python
asyncio 的 coroutine对象 与 Future对象使用指南
Sep 11 #Python
You might like
基于PHP静态类的原罪详解
2013/05/06 PHP
解决php使用异步调用获取数据时出现(错误c00ce56e导致此项操作无法完成)
2013/07/03 PHP
PHP两种去掉数组重复值的方法比较
2014/06/19 PHP
ThinkPHP跳转页success及error模板实例教程
2014/07/17 PHP
jQuery中创建实例与原型继承揭秘
2011/12/21 Javascript
JS保留两位小数,多位小数的示例代码
2014/01/07 Javascript
jquery获取复选框被选中的值
2014/03/22 Javascript
jQuery实现类似淘宝网图片放大效果的方法
2015/07/08 Javascript
jQuery插件实现文件上传功能(支持拖拽)
2020/08/27 Javascript
js中document.referrer实现移动端返回上一页
2017/02/22 Javascript
@ResponseBody 和 @RequestBody 注解的区别
2017/03/08 Javascript
JS集合set类的实现与使用方法示例
2019/02/01 Javascript
VUE引入第三方js包及调用方法讲解
2019/03/01 Javascript
laypage.js分页插件使用方法详解
2019/07/27 Javascript
微信小程序引入Vant组件库过程解析
2019/08/06 Javascript
Vue+Bootstrap收藏(点赞)功能逻辑与具体实现
2020/10/22 Javascript
python链接Oracle数据库的方法
2015/06/28 Python
python垃圾回收机制(GC)原理解析
2019/12/30 Python
tensorflow实现打印ckpt模型保存下的变量名称及变量值
2020/01/04 Python
Scrapy框架实现的登录网站操作示例
2020/02/06 Python
python自动化办公操作PPT的实现
2021/02/05 Python
利用HTML5 Canvas制作键盘及鼠标动画的实例分享
2016/03/15 HTML / CSS
欧迪办公美国官网:Office Depot
2016/08/22 全球购物
给水排水工程专业毕业生推荐信
2013/10/28 职场文书
测绘工程系学生的自我评价
2013/11/30 职场文书
工程专业毕业生自荐信范文
2013/12/25 职场文书
医学专业职业生涯规划范文
2014/02/05 职场文书
群众路线教育实践活动心得体会
2014/03/07 职场文书
卫生院艾滋病宣传活动小结
2014/07/09 职场文书
经营目标管理责任书
2014/07/25 职场文书
大学生档案自我鉴定(2篇)
2014/10/14 职场文书
党员作风建设自查报告
2014/10/23 职场文书
单位租房协议书样本
2014/10/30 职场文书
Django中的JWT身份验证的实现
2021/05/07 Python
Python pandas求方差和标准差的方法实例
2021/08/04 Python
Python机器学习实战之k-近邻算法的实现
2021/11/27 Python