Normalization sklearn

Question

假设我有一个熊猫数据框，我只想借助此函数规范化某些属性，而不是整个数据框：

preprocessing.normalize

我想将这些规范化的列放置到我的数据框中。但我不能，因为它有不同的格式（numpy 数组）。

我已经看到了如何以其他方式进行规范化，例如我这样做：

s0 = X.iloc[:,13:15] 
X.iloc[:,13:15] = (s0 - s0.mean()) / (s0.max() - s0.min())
X.head()

但我真的需要使用sklearn来做到这一点。谢谢，堆栈！

Answer 1

您正在做的是最小-最大缩放。 scikit 中的"normalize"具有不同的含义，然后您想做什么。

试试MinMaxScaler。

大多数 sklearn 转换器只输出 numpy 数组。对于数据帧，只需将列重新分配给数据帧，如以下示例所示：

import pandas as pd
import numpy as np
df = pd.DataFrame(data=np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['A', 'B', 'C'])

现在假设您只想对 A 列和 C 进行最小-最大缩放：

from sklearn.preprocessing import MinMaxScaler
minmax = MinMaxScaler()
df[['A', 'C']] = minmax.fit_transform(df[['A', 'C']])

Answer 2

（s0 - s0.mean（））/（s0.max（） -

s0.min（）） 被称为平均归一化，据我所知，Scikit-learn中没有转换器来执行这种转换。

MinMaxScaler 按照以下公式进行转换：（s0 - s0.min（））/（s0.max（）

- s0.min（））

您可以使用scikit-learn对选定的变量进行此转换，如下所示：

肮脏的方式：

scaler = MinMaxScaler() # or any other scaler from sklearn
scaler.fit(X[[var1, var2, var20]])
X_transf[[var1, var2, var20]] = scaler.transform(X[[var1, var2, var20]])

使用ColumnTransfomer的更好方法：

features_numerical = [var1, var2, var20]
numeric_transformer = Pipeline(steps=[('scaler', StandardScaler())])
preprocessor = ColumnTransformer(
    transformers=[('numerical', numeric_transformer, features_numerical)], remainder='passthrough'}) # to keep all other features in the data set
preprocessor.fit_transform(X)

返回的变量是一个 numpy 数组，因此需要重新转换为 pandas 数据帧并添加变量名称。

有关如何使用来自 sklearn 的柱式变压器的更多信息，请点击此处。

您需要从 sklearn 导入 ColumnTransformer 和 Pipeline，以及选择的缩放器。