假設我有一個熊貓數據幀df
:數據標準化
我要計算一個數據幀的逐列平均值。
這是容易的:
df.apply(average)
然後逐列範圍內的最高(COL) - 最小(COL)。這又是很容易:
df.apply(max) - df.apply(min)
現在對於我希望通過其列的範圍內減去其列的平均值,然後除以每個元素。我不知道該怎麼做
任何幫助/指針非常感謝。
假設我有一個熊貓數據幀df
:數據標準化
我要計算一個數據幀的逐列平均值。
這是容易的:
df.apply(average)
然後逐列範圍內的最高(COL) - 最小(COL)。這又是很容易:
df.apply(max) - df.apply(min)
現在對於我希望通過其列的範圍內減去其列的平均值,然後除以每個元素。我不知道該怎麼做
任何幫助/指針非常感謝。
In [92]: df
Out[92]:
a b c d
A -0.488816 0.863769 4.325608 -4.721202
B -11.937097 2.993993 -12.916784 -1.086236
C -5.569493 4.672679 -2.168464 -9.315900
D 8.892368 0.932785 4.535396 0.598124
In [93]: df_norm = (df - df.mean())/(df.max() - df.min())
In [94]: df_norm
Out[94]:
a b c d
A 0.085789 -0.394348 0.337016 -0.109935
B -0.463830 0.164926 -0.650963 0.256714
C -0.158129 0.605652 -0.035090 -0.573389
D 0.536170 -0.376229 0.349037 0.426611
In [95]: df_norm.mean()
Out[95]:
a -2.081668e-17
b 4.857226e-17
c 1.734723e-17
d -1.040834e-17
In [96]: df_norm.max() - df_norm.min()
Out[96]:
a 1
b 1
c 1
d 1
您可以使用apply
了這一點,這是一個有點整潔:
import numpy as np
import pandas as pd
np.random.seed(1)
df = pd.DataFrame(np.random.randn(4,4)* 4 + 3)
0 1 2 3
0 9.497381 0.552974 0.887313 -1.291874
1 6.461631 -6.206155 9.979247 -0.044828
2 4.276156 2.002518 8.848432 -5.240563
3 1.710331 1.463783 7.535078 -1.399565
df.apply(lambda x: (x - np.mean(x))/(np.max(x) - np.min(x)))
0 1 2 3
0 0.515087 0.133967 -0.651699 0.135175
1 0.125241 -0.689446 0.348301 0.375188
2 -0.155414 0.310554 0.223925 -0.624812
3 -0.484913 0.244924 0.079473 0.114448
而且,它與groupby
工作得很好,如果你選擇相關的列:
df['grp'] = ['A', 'A', 'B', 'B']
0 1 2 3 grp
0 9.497381 0.552974 0.887313 -1.291874 A
1 6.461631 -6.206155 9.979247 -0.044828 A
2 4.276156 2.002518 8.848432 -5.240563 B
3 1.710331 1.463783 7.535078 -1.399565 B
df.groupby(['grp'])[[0,1,2,3]].apply(lambda x: (x - np.mean(x))/(np.max(x) - np.min(x)))
0 1 2 3
0 0.5 0.5 -0.5 -0.5
1 -0.5 -0.5 0.5 0.5
2 0.5 0.5 0.5 -0.5
3 -0.5 -0.5 -0.5 0.5
如果您不介意導入sklearn
庫,我會推薦在this博客上討論的方法。
import pandas as pd
from sklearn import preprocessing
data = {'score': [234,24,14,27,-74,46,73,-18,59,160]}
df = pd.DataFrame(data)
df
min_max_scaler = preprocessing.MinMaxScaler()
np_scaled = min_max_scaler.fit_transform(df)
df_normalized = pd.DataFrame(np_scaled)
df_normalized
到博客帖子的鏈接已經死亡。你有工作嗎? – marts
@marts完成...! – astrojuanlu
創建單位正態歸一化數據的相應方法稱爲StandardScaler。 – abeboparebop
從稍加修改:Python Pandas Dataframe: Normalize data between 0.01 and 0.99?但一些評論認爲這是相關的(對不起,如果認爲是轉貼,雖然...)
我想在基準或z的,經常百分定製正常化分數不夠。有時候我知道人口的可行最大和最小值是什麼,因此想要定義它,而不是我的樣本,或者不同的中點,或者其他任何東西!這通常對於神經網絡的數據重新縮放和標準化非常有用,您可能希望所有輸入介於0和1之間,但某些數據可能需要以更加自定義的方式進行縮放......因爲百分比和stdevs假設您的樣本覆蓋人口,但有時我們知道這是不正確的。在熱圖中可視化數據對我來說也非常有用。所以,我建立了一個自定義函數(用在代碼中加入額外步驟,在這裏,使其儘可能地易讀):
def NormData(s,low='min',center='mid',hi='max',insideout=False,shrinkfactor=0.):
if low=='min':
low=min(s)
elif low=='abs':
low=max(abs(min(s)),abs(max(s)))*-1.#sign(min(s))
if hi=='max':
hi=max(s)
elif hi=='abs':
hi=max(abs(min(s)),abs(max(s)))*1.#sign(max(s))
if center=='mid':
center=(max(s)+min(s))/2
elif center=='avg':
center=mean(s)
elif center=='median':
center=median(s)
s2=[x-center for x in s]
hi=hi-center
low=low-center
center=0.
r=[]
for x in s2:
if x<low:
r.append(0.)
elif x>hi:
r.append(1.)
else:
if x>=center:
r.append((x-center)/(hi-center)*0.5+0.5)
else:
r.append((x-low)/(center-low)*0.5+0.)
if insideout==True:
ir=[(1.-abs(z-0.5)*2.) for z in r]
r=ir
rr =[x-(x-0.5)*shrinkfactor for x in r]
return rr
這將需要在熊貓系列,甚至只是一個列表,並將其歸到自己指定的低,中心和高點。還有一個收縮因素!以允許您將數據從端點0和1中縮小(我必須在matplotlib中將色彩圖組合在一起時執行此操作):因此,您可能會看到代碼的工作方式,但基本上說您具有值[-5,1, 10],但是想要基於-7到7的範圍進行歸一化(因此大於7的任何數值,我們的「10」被有效地視爲7),中點爲2,但縮小到適合256 RGB顏色表:
#In[1]
NormData([-5,2,10],low=-7,center=1,hi=7,shrinkfactor=2./256)
#Out[1]
[0.1279296875, 0.5826822916666667, 0.99609375]
它也可以把裏面你的數據...這似乎很奇怪,但我發現它有用heatmapping。假設你想要一個更接近0的值而不是hi/low值較深的顏色。你可以熱圖基於標準化的數據,其中insideout = TRUE:
#In[2]
NormData([-5,2,10],low=-7,center=1,hi=7,insideout=True,shrinkfactor=2./256)
#Out[2]
[0.251953125, 0.8307291666666666, 0.00390625]
所以現在「2」,這是最接近中心,定義爲「1」爲最高值。
無論如何,我認爲我的應用程序是相關的,如果你想以其他方式重新調整數據,可能會有用的應用程序給你。
這是如此明顯,我的思想不能接受它:) – jason
有沒有辦法做到這一點,如果你想正常化的子集?假設「A」和「B」行是您想要與「C」和「D」分開歸一化的更大分組因子的一部分。 – Amyunimus
像以前一樣選擇子集並進行計算。關於如何索引和選擇數據,請參閱http://pandas.pydata.org/pandas-docs/stable/indexing.html –