這篇文章將為大家詳細講解有關(guān)如何在python中實現(xiàn)數(shù)據(jù)變換，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。

站在用戶的角度思考問題，與客戶深入溝通，找到新泰網(wǎng)站設(shè)計與新泰網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗，讓設(shè)計與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個性化、用戶體驗好的作品，建站類型包括：成都網(wǎng)站制作、做網(wǎng)站、外貿(mào)營銷網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、主機域名、網(wǎng)絡(luò)空間、企業(yè)郵箱。業(yè)務(wù)覆蓋新泰地區(qū)。

python是什么意思

Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言，其最初的設(shè)計是用于編寫自動化腳本，隨著版本的不斷更新和新功能的添加，常用于用于開發(fā)獨立的項目和大型項目。

1、數(shù)據(jù)規(guī)范化，即歸一化的方法

常見方法：最小-最大規(guī)范化、z-score規(guī)范化、小數(shù)定標規(guī)范化

import pandas as pd
df=pd.DataFrame(A.data[:,3:6])
df.columns=A.feature_names[3:6]
#最小-最大規(guī)范化，支持矢量運算
(df-df.min())/(df.max()-df.min())
 
#使用sklearn中的preprocessing模塊
from sklearn import preprocessing
preprocessing.minmax_scale(df)
 
#z-score規(guī)范化：結(jié)果=（數(shù)值-均值）/標準差，處理后數(shù)據(jù)的均值為0，標準差為1
(df-df.mean())/df.std()
 
#使用sklearn中的preprocessing模塊
from sklearn import preprocessing
preprocessing.scale(df)
 
#小數(shù)定標規(guī)范化：常見落在[-1,1]區(qū)間，通過移動小數(shù)點的位數(shù)實現(xiàn)，移動位數(shù)取決于屬性絕對值的最大值的位數(shù)
#ceil向上取整
import numpy as np
df/10**np.ceil(np.log10(df.abs().max()))

2、連續(xù)屬性離散化

常見方法：分箱法（等寬法、等頻法）、聚類

import pandas as pd
#等寬法,5個箱子，標簽為0-4
pd.cut(df.AGE,5,label=range(5))
#等頻法
pd.qcut(df.AGE,5,label=range(5))

關(guān)于如何在python中實現(xiàn)數(shù)據(jù)變換就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。