python中常用的九种预处理方法

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。

1	`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）

1 2	`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。

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

得到：

1	`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

1 2	`binarizer` `=` `sklearn.preprocessing.Binarizer(threshold=1.1)` `binarizer.transform(X)`

5. 标签二值化（Label binarization）

1	`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

1	`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

1	`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。

1 2	`poly` `=` `sklearn.preprocessing.PolynomialFeatures(2)` `poly.fit_transform(X)`

原始特征：

转化后：

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。

转载于:https://www.cnblogs.com/lantingg/p/8176526.html

python中常用的九种预处理方法相关推荐

python数据预处理的方法_python中常用的九种数据预处理方法
python中常用的九种预处理方法分享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(Standardizat ...
python list方法说明_对python中list的五种查找方法说明
Python中是有查找功能的,五种方式:in.not in.count.index,find 前两种方法是保留字,后两种方式是列表的方法. 下面以a_list = ['a','b','c','hell ...
python list find函数_对python中list的五种查找方法说明
Python中是有查找功能的,五种方式:in.not in.count.index,find 前两种方法是保留字,后两种方式是列表的方法. 下面以a_list = ['a','b','c','hell ...
【思维导图】Python中常用的8种字符串操作
文章末尾获取思维导图高清源文件拼接字符串使用"+"可以对多个字符串进行拼接语法格式:str1 + str2 >>> str1 = "aaa&quo ...
Python 中浅拷贝的四种实现方法
方式一:使用切片 [:] 列表 # 浅拷贝 [:] old_list = [1, 2, [3, 4]] new_list = old_list[:]old_list.append(5) old_lis ...
PHP调试中常用的几种输出方法
PHP开发中,经常会查看变量的值,因此经常会将变量的值输出到页面以便于查看. 常用的输出方式有:echo .print .print_r .var_dump .var_exprot 等: echo和p ...
Java 开发中常用的 4 种加密方法。MD5加密工具类测试 base64加密工具类测试 SHA加密工具类测试 BCrypt加密工具类测试
一.工具类 1, md5加密工具类 2, base64加密工具类 3, Bcrypt工具类二.加密测试 MD5加密测试 base64加密测试 SHA加密测试 BCrypt加密测试一.工具类 1, ...
ios开发中常用的几种辅助方法
//1.Keychain本地长期键值存储 //删除 +(void)deleteStringForKey:(NSString *)aKey {NSMutableDictionary *query = [ ...
Python中的数据可视化工具与方法——常用的数据分析包numpy、pandas、statistics的理解实现和可视化工具matplotlib的使用
Python中的数据可视化工具与方法本文主要总结了: 1.本人在初学python时对常用的数据分析包numpy.pandas.statistics的学习理解以及简单的实例实现 2.可视化工具matp ...

python中常用的九种预处理方法

python中常用的九种预处理方法相关推荐

最新文章

热门文章