<\/p>\n
Het centreren van<\/strong> een dataset betekent dat de gemiddelde waarde<\/a> van elke individuele waarneming<\/a> in de dataset wordt afgetrokken.<\/span><\/p>\n Zodra u een dataset centreert, wordt de gemiddelde waarde van de dataset nul.<\/span><\/p>\n De volgende voorbeelden laten zien hoe u gegevens in Python kunt centreren.<\/span><\/p>\n Stel dat we de volgende NumPy-array hebben:<\/span><\/span><\/p>\n We kunnen een functie<\/a> defini\u00ebren om de gemiddelde arraywaarde van elke individuele waarneming af te trekken:<\/span><\/p>\n De resulterende waarden zijn de gecentreerde waarden van de dataset.<\/span><\/p>\n Omdat het gemiddelde van de oorspronkelijke tabel 14 was, trok deze functie eenvoudigweg 14 af van elke individuele waarde in de oorspronkelijke tabel.<\/span><\/p>\n Bijvoorbeeld:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n We kunnen ook controleren of het gemiddelde van de gecentreerde tabel nul is:<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/span><\/p>\n We kunnen de pandas apply()<\/strong> functie gebruiken om de waarden van elke kolom in het DataFrame te centreren:<\/span><\/p>\n We kunnen vervolgens verifi\u00ebren dat de gemiddelde waarde van elke kolom nul is:<\/span><\/p>\n Kolomgemiddelden worden weergegeven in wetenschappelijke notatie, maar elke waarde is in wezen nul.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in Python uitvoert:<\/span><\/p>\n Hoe een getrimd gemiddelde in Python te berekenen<\/a> Het centreren van een dataset betekent dat de gemiddelde waarde van elke individuele waarneming in de dataset wordt afgetrokken. Zodra u een dataset centreert, wordt de gemiddelde waarde van de dataset nul. De volgende voorbeelden laten zien hoe u gegevens in Python kunt centreren. Voorbeeld 1: Centreer de waarden van een NumPy-array Stel dat we […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2510","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: Centreer de waarden van een NumPy-array<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#create NumPy array<\/span>\ndata = np. array<\/span> ([4, 6, 9, 13, 14, 17, 18, 19, 19, 21])\n\n#display mean of array<\/span>\nprint<\/span> ( data.mean<\/span> ())\n\n14.0<\/strong><\/pre>\n #create function to data center\ncenter_function = lambda<\/span> x: x - x. mean<\/span> ()<\/span>\n\n#apply function to original NumPy array\ndata_centered = center_function(data)\n<\/span>\n#view updated Array\nprint<\/span> (data_centered)\n\narray([-10., -8., -5., -1., 0., 3., 4., 5., 5., 7.])\n<\/span><\/span><\/strong><\/pre>\n\n
#display mean of centered array<\/span>\nprint<\/span> ( data_centered.mean<\/span> ())\n\n0.0<\/strong><\/pre>\n Voorbeeld 2: Centreer de kolommen van een Pandas DataFrame<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' x<\/span> ': [1, 4, 5, 6, 6, 8, 9],\n ' y<\/span> ': [7, 7, 8, 8, 8, 9, 12],\n ' z<\/span> ': [3, 3, 4, 4, 6, 7, 7]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n X Y Z\n0 1 7 3\n1 4 7 3\n2 5 8 4\n3 6 8 4\n4 6 8 6\n5 8 9 7\n6 9 12 7<\/strong><\/pre>\n #center the values in each column of the DataFrame<\/span>\ndf_centered = df. apply<\/span> ( lambda<\/span> x: xx.mean<\/span> ())\n\n#view centered DataFrame<\/span>\nprint<\/span> (df_centered)\n\n\t X Y Z\n0 -4.571429 -1.428571 -1.857143\n1 -1.571429 -1.428571 -1.857143\n2 -0.571429 -0.428571 -0.857143\n3 0.428571 -0.428571 -0.857143\n4 0.428571 -0.428571 1.142857\n5 2.428571 0.571429 2.142857\n6 3.428571 3.571429 2.142857 \n<\/strong><\/pre>\n #display mean of each column in the DataFrame<\/span>\ndf_centered. mean<\/span> ()\n\nx 2.537653e-16\ny-2.537653e-16\nz 3.806479e-16\ndtype:float64\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe de gemiddelde kwadratische fout (MSE) in Python te berekenen<\/a>
Hoe het gemiddelde van geselecteerde kolommen in Panda’s te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"