python数据获取及预处理_python数据预处理(入门)
数据预处理是进行数据分析的第一步,如何获取干净的数据是分析效果的前提。
今天学习了几个数据预处理的入门级方法,做笔记啦!工具:python.sklearn
1、行归一化/正则化Normalizer
使每一行的平方和为1,常用于文本分类和聚类中
z=pd.DataFrame({"a":[2.,1.,6.],"b":[3.,0,2.]})
1 from sklearn.preprocessing importNormalizer2 Normalizer().fit_transform(z)3 #等价的sklearn函数调用三步
4 a=Normalizer()#函数实例化
5 a.fit(z)#模型拟合
6 a.transform(z)#转换
z
归一化后为
2、列归一化/标准化/无量纲化Standardscaler
该方法要求数据近似为高斯分布,标准化后数据均值为0,方差为1
1 from sklearn.preprocessing importStandardScaler2 StandardScaler().fit_transform(z)
3、区间缩放/极差变化/无量纲化
将数据映射到[0,1]区间,但新数据加入时,会影响最大/最小值,进而需重新定义,对设计距离度量的机器学习方法不适用
#区间缩放/极差变换/无量纲化
from sklearn.preprocessing importMinMaxScaler
MinMaxScaler().fit_transform(z)
4、特征二值化
设定一个阈值,大于阈值的为1,小于等于阈值的为0,。可用于二元分类问题中目标向量的处理
#特征二值化
from sklearn.preprocessing importBinarizer
Binarizer(threshold=1).fit_transform(z)#阈值设为1
5、独热编码
分类器常默认数据是连续的有序的,但很多特征是离散的。因此,将所有离散特征的不同取值作为单独一列,1表示离散特征为此列值,0表示离散特征不为此列值
#独热编码
z3=pd.DataFrame({"a":["男","女","男","女"],"b":["大一","大二","大三","大一"]})from sklearn.preprocessing importOneHotEncoder
enc=OneHotEncoder(categories="auto")
enc.fit(z3)
ans=enc.transform([["男","大一"]]).toarray()#toarray()转化为可显示的数组形式
OneHotEncoder(categories="auto").fit_transform(z3).toarray()
上例,生成["女”,“男”,“大一”,“大三”,“大二”]为列名的4*5的矩阵,
由
变为
6、缺失值计算
主要是对缺失值的填充
1 z5=pd.DataFrame({"a":[1,5,np.nan],"b":[np.nan,3,5],"c":[1,2,3]})2 from sklearn.impute importSimpleImputer3 SimpleImputer().fit_transform(z5)#默认用均值代替缺失值
4 SimpleImputer(strategy='constant').fit_transform(z5)#参数定义用0来代替缺失值
7、以多项式构建特征
a,b两个特征,则其2次多项式为1,a,b,a^2,b^2,ab
#以多项式构建特征
from sklearn.preprocessing importPolynomialFeatures
p1=PolynomialFeatures(degree=2,include_bias=False,interaction_only=False)#产生特征的平方项和交叉项
p2=p1.fit_transform(z)
p2_df=pd.DataFrame(p2,columns=p1.get_feature_names())#为p2增加列名
p2_df
x0 x1 x0^2 x0 x1 x1^202.0 3.0 4.0 6.0 9.0
1 1.0 0.0 1.0 0.0 0.0
2 6.0 2.0 36.0 12.0 4.0
figthing!
python数据获取及预处理_python数据预处理(入门)相关推荐
- 如何用python进行数据预处理_Python数据预处理
数据预处理是指在对数据进行数据挖掘之前,先对原始数据进行必要的清洗.集成.转换.离散和规约等一系列的处理工作,已达到挖掘算法进行知识获取研究所要求的最低规范和标准.通常数据预处理包括:数据清洗.数据集 ...
- python数据预处理_Python数据预处理
1.缺失值处理 1.1缺失值查看 在Python中直接调用info()方法就会返回每一列的缺失情况. Python中缺失值一般用NaN表示,从用info()方法的结果来看,地区.销量跟销售额这三列是1 ...
- python数据预处理_Python数据预处理——缺失值、重复值
一.缺失值处理 isnull( ) .fillna( ) .dropna( ) (1)查看 缺失 查看数据集缺失,返回每列的缺失个数 df.isnull().sum() 查看某字段有缺失的行 df[d ...
- 《对比Excel,轻松学习Python数据分析》读书笔记------数据预处理
数据预处理 5 数据预处理 5.1 缺失值处理 5.1.1 查看缺失值 Excel Python info() isnull() 5.1.2 删除缺失值所在行 Excel Python 5.1.3 替 ...
- python抽样_python数据预处理 :数据抽样解析
何为数据抽样: 抽样是数据处理的一种基本方法,常常伴随着计算资源不足.获取全部数据困难.时效性要求等情况使用. 抽样方法: 一般有四种方法: 随机抽样 直接从整体数据中等概率抽取n个样本.这种方法优势 ...
- python填补缺失值数据驱动代码_python数据预处理之缺失值的各种填补方式
对于数据挖掘的缺失值的处理,应该是在数据预处理阶段应该首先完成的事,缺失值的处理一般情况下有三种方式: (1)删掉缺失值数据 (2)不对其进行处理 (3)利用插补法对数据进行补充 第一种方式是极为不可 ...
- python填补缺失值数据驱动代码_python填补缺失值数据驱动代码_python数据预处理之缺失值的各种填补方式...
对于数据挖掘的缺失值的处理,应该是在数据预处理阶段应该首先完成的事,缺失值的处理一般情况下有三种方式: (1)删掉缺失值数据 (2)不对其进行处理 (3)利用插补法对数据进行补充 第一种方式是极为不可 ...
- Python初探——sklearn库中数据预处理函数fit_transform()和transform()的区别
敲<Python机器学习及实践>上的code的时候,对于数据预处理中涉及到的fit_transform()函数和transform()函数之间的区别很模糊,查阅了很多资料,这里整理一下: ...
- Python 文件操作中的读写模式:open(path, ‘-模式-‘,encoding=‘UTF-8‘)+python读写文件txt +文本数据预处理
python读写txt文件 文件的打开的两种方式f = open("data.txt","r") #设置文件对象 f.close() #关闭文件#为了方便,避免 ...
最新文章
- 再见了,收费的 Navicat!
- 信号在PCB传播速度SDRAM布线(sdram布线距离主控的距离)
- Linux bash逐行读取文件的方法
- 如何更新Postgresql的Jsonb数组
- 05CRecordset类
- Windows平台下Git服务器搭建
- Maven 本地仓库访问私服
- webstorm美化_webstorm:求一个黑色背景 好看的webstorm主题?
- GPIO_Pin和GPIO_PinSource的大不同
- 多个table 相同col 的 设置相同width
- SpringBoot+Shiro学习(七):Filter过滤器管理
- linux攻防比赛_LINUX 遭到SYN FLOOD攻击 LINUX下SYN攻防战
- Hadoop YARN配置参数剖析(5)—Capacity Scheduler相关参数
- 正弦信号与噪声信号仿真生成实测信号,自相关分析
- kubeedge解决边端keadm join的时候卡住的问题
- Apache和Apache Tomcat的区别是什么?
- 全天下最经典的句子,2013重现!
- 全国省市县三级级联SQL数据库内容
- 程序员界的经典笑话,逗乐了
- 实验室里的AI激情:腾讯优图的升级修炼之路
热门文章
- 没有找到 AUTOBACKUP
- 1046. 最后一块石头的重量
- 二叉排序树的第k个结点
- docker image设置jdk版本_Docker 部署 Spring Boot
- java linux driver,JAVA:使用GeckoDriver在Linux上运行Selenium测试:驱动程序不可执行
- magento php mysql_Mysql版本过低导致Magento报错的解决方案
- vs如何自动生成基本的代码_STM32CubeMX底层配置代码自动代码生成
- java数字高低呼唤_记录某电话交换台 5 分钟内接到的呼唤次数,则样本空间 S={0,1,2, … ,n, … }_Java答案_学小易找答案...
- ad19电气规则检查_铁路机车操作规则(铁运2012281号)
- 互信息python代码_转:标准化互信息NMI计算步骤及其Python实现