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
最大K个数问题的Python版解法总结
Jun 16 Python
pandas带有重复索引操作方法
Jun 08 Python
python 保存float类型的小数的位数方法
Oct 17 Python
python+opencv 读取文件夹下的所有图像并批量保存ROI的方法
Jan 10 Python
​如何愉快地迁移到 Python 3
Apr 28 Python
简单了解Pandas缺失值处理方法
Nov 16 Python
python 协程 gevent原理与用法分析
Nov 22 Python
使用python的turtle函数绘制一个滑稽表情
Feb 28 Python
解决python3插入mysql时内容带有引号的问题
Mar 02 Python
在Python中实现字典反转案例
Dec 05 Python
Python实现微信表情包炸群功能
Jan 28 Python
python中Pexpect的工作流程实例讲解
Mar 02 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
PHP中通过trigger_error触发PHP错误示例
2015/06/23 PHP
php微信公众平台开发(四)回复功能开发
2016/12/06 PHP
thinkPHP框架中执行原生SQL语句的方法
2017/10/25 PHP
phpstudy2018升级MySQL5.5为5.7教程(图文)
2018/10/24 PHP
使用 PHP Masked Package 屏蔽敏感数据的实现方法
2019/10/15 PHP
javascript学习网址备忘
2007/05/29 Javascript
firefox中用javascript实现鼠标位置的定位
2007/06/17 Javascript
js 异步处理进度条
2010/04/01 Javascript
dess中一个简单的多路委托的实现
2010/07/20 Javascript
ExtJS中文乱码之GBK格式编码解决方案及代码
2013/01/20 Javascript
jQuery 属性选择器element[herf*='value']使用示例
2013/10/20 Javascript
禁止页面刷新让F5快捷键及右键都无效
2014/01/22 Javascript
js获得当前时区夏令时发生和终止的时间代码
2014/02/23 Javascript
javascript实现密码验证
2015/11/10 Javascript
js中string和number类型互转换技巧(分享)
2016/11/28 Javascript
Angular2学习笔记——详解路由器模型(Router)
2016/12/02 Javascript
js实现点击每个li节点,都弹出其文本值及修改
2016/12/15 Javascript
使用vue.js实现联动效果的示例代码
2017/01/10 Javascript
JavaScript实现计算多边形质心的方法示例
2018/01/31 Javascript
JS实现的Object数组去重功能示例【数组成员为Object对象】
2019/02/01 Javascript
javascript数据类型中的一些小知识点(推荐)
2019/04/18 Javascript
基于leaflet.js实现修改地图主题样式的流程分析
2020/05/15 Javascript
解决Vue @submit 提交后不刷新页面问题
2020/07/18 Javascript
浅谈用VSCode写python的正确姿势
2017/12/16 Python
Python使用matplotlib简单绘图示例
2018/02/01 Python
Python中str.join()简单用法示例
2018/03/20 Python
下载python中Crypto库报错:ModuleNotFoundError: No module named ‘Crypto’的解决
2018/04/23 Python
python3读取图片并灰度化图片的四种方法(OpenCV、PIL.Image、TensorFlow方法)总结
2019/07/04 Python
Django实现网页分页功能
2019/10/31 Python
小学生手册家长评语
2014/04/16 职场文书
安全教育演讲稿
2014/05/09 职场文书
个人校本研修方案
2014/05/26 职场文书
假面舞会策划方案
2014/05/29 职场文书
2014年超市员工工作总结
2014/11/18 职场文书
教你利用Nginx 服务搭建子域环境提升二维地图加载性能的步骤
2021/09/25 Servers
javascript实现计算器功能详解流程
2021/11/01 Javascript