蟒蛇大熊貓 - 如何應用規範化函數將數據幀列

我有一個熊貓據幀，輸出類似如下：蟒蛇大熊貓 - 如何應用規範化函數將數據幀列

index value 
0 5.95 
1 1.49 
2 2.34 
3 5.79 
4 8.48

我想每一列[「值」]的標準化值和將它存儲在一個新的列['normalized']，但不知道如何將正常化函數應用於列...

我的標準化函數看起來像這樣：（['value'] - min ['value ']）/（max ['value'] - min ['value']

我知道我應該使用應用或轉換函數添加新的列到數據幀，但不知道如何將標準化函數傳遞到應用函數...

對不起，如果我得到的術語錯了，但我是一個newbe python和特別是熊貓！

來源

2016-02-22 Shaw

這些都是非常標準列操作：

>>> (df.value - df.value.min())/(df.value.max() - df.value.min()) 
0 0.638054 
1 0.000000 
2 0.121602 
3 0.615165 
4 1.000000 
Name: value, dtype: float64

你可以簡單地寫

df['normalized'] = (df.value - ....

來源

2016-02-22 21:18:35

讓我們調用你的DataFrame DF。

DF['normalised'] = (DF['value']-min(DF['value']))/(max(DF['value']-min(DF['value'])

有竅門。

來源

2016-02-22 21:14:43 user3274289

這不會工作你傳遞給'min'和'max'的類型是熊貓'系列'，這會引發一個'ValueError'，因爲類型是數組類型的，所以不會理解這種類型 – EdChum

我會考慮用戶的λ/應用方法，我敢肯定，你就可以要求精確，這要求提前確定最小值和最大值。首先，編寫一個函數，該函數根據某些「全局」參數以及從數據行獲取的輸入值輸出一個值。

def norm(vmax, vmin, val): 
    return (val-vmin)/(vmax-vmin)

接下來，從數據幀收集您的全局值：

val_min = df['value'].min() 
val_max = df['value'].max()

最後，你可以申請功能，創建一個新的領域，以保存結果：

df['new_field'] = df.apply(lambda row : norm(val_min,val_max,row['value']),axis=1) 

df 
    value new_field 
0 5.95 0.361946 
1 1.49 1.000000 
2 2.34 0.878398 
3 5.79 0.384835 
4 8.48 -0.000000

美使用這種'lambda'方法，你可以隨心所欲地調整你的函數，這在我看來無論如何都會更好地劃分代碼，允許重用 - 這總是一件好事。

來源

2016-02-22 21:22:30

蟒蛇大熊貓 - 如何應用規範化函數將數據幀列

回答

相關問題