Jak standaryzować dane w pythonie: z przykładami

Standaryzacja zbioru danych oznacza skalowanie wszystkich wartości w zbiorze danych w taki sposób, że średnia wartość wynosi 0, a odchylenie standardowe wynosi 1.

Do normalizacji wartości w zbiorze danych używamy następującej formuły:

x _nowy = (x _i – x ) / s

Złoto:

• x _i : ^i-ta wartość zbioru danych
• x : Przykładowe środki
• s : odchylenie standardowe próbki

Możemy użyć następującej składni, aby szybko znormalizować wszystkie kolumny w ramce DataFrame pandy w Pythonie:

 (df- df.mean ())/df. std ()

Poniższe przykłady pokazują, jak używać tej składni w praktyce.

Przykład 1: standaryzacja wszystkich kolumn DataFrame

Poniższy kod pokazuje, jak ujednolicić wszystkie kolumny w ramce DataFrame pandy:

 import pandas as pd

#create data frame
df = pd. DataFrame ({' y ': [8, 12, 15, 14, 19, 23, 25, 29],
                   ' x1 ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' x2 ': [11, 8, 10, 6, 6, 5, 9, 12],
                   ' x3 ': [2, 2, 3, 2, 5, 5, 7, 9]})

#view data frame
df

	y x1 x2 x3
0 8 5 11 2
1 12 7 8 2
2 15 7 10 3
3 14 9 6 2
4 19 12 6 5
5 23 9 5 5
6 25 9 9 7
7 29 4 12 9

#standardize the values in each column
df_new = (df- df.mean ())/df. std ()

#view new data frame
df_new

	        y x1 x2 x3
0 -1.418032 -1.078639 1.025393 -0.908151
1 -0.857822 -0.294174 -0.146485 -0.908151
2 -0.437664 -0.294174 0.634767 -0.525772
3 -0.577717 0.490290 -0.927736 -0.908151
4 0.122546 1.666987 -0.927736 0.238987
5 0.682756 0.490290 -1.318362 0.238987
6 0.962861 0.490290 0.244141 1.003746
7 1.523071 -1.470871 1.416019 1.768505

Możemy sprawdzić, że średnia i odchylenie standardowe każdej kolumny są odpowiednio równe 0 i 1:

 #view mean of each column
df_new. mean ()

y 0.000000e+00
x1 2.775558e-17
x2 -4.163336e-17
x3 5.551115e-17
dtype:float64

#view standard deviation of each column
df_new. std ()

y 1.0
x1 1.0
x2 1.0
x3 1.0
dtype:float64

Przykład 2: Normalizuj określone kolumny DataFrame

Czasami możesz chcieć znormalizować tylko określone kolumny w ramce danych.

Na przykład w przypadku wielu algorytmów uczenia maszynowego można jedynie ujednolicić zmienne predykcyjne przed dopasowaniem określonego modelu do danych.

Poniższy kod pokazuje, jak ujednolicić określone kolumny w ramce DataFrame pandy:

 import pandas as pd

#create data frame
df = pd. DataFrame ({' y ': [8, 12, 15, 14, 19, 23, 25, 29],
                   ' x1 ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' x2 ': [11, 8, 10, 6, 6, 5, 9, 12],
                   ' x3 ': [2, 2, 3, 2, 5, 5, 7, 9]})

#view data frame
df

	y x1 x2 x3
0 8 5 11 2
1 12 7 8 2
2 15 7 10 3
3 14 9 6 2
4 19 12 6 5
5 23 9 5 5
6 25 9 9 7
7 29 4 12 9

#define predictor variable columns
df_x = df[[' x1 ', ' x2 ', ' x3 ']]

#standardize the values for each predictor variable
df[[' x1 ',' x2 ',' x3 ']] = (df_x- df_x.mean ())/df_x. std ()

#view new data frame
df

         y x1 x2 x3
0 8 -1.078639 1.025393 -0.908151
1 12 -0.294174 -0.146485 -0.908151
2 15 -0.294174 0.634767 -0.525772
3 14 0.490290 -0.927736 -0.908151
4 19 1.666987 -0.927736 0.238987
5 23 0.490290 -1.318362 0.238987
6 25 0.490290 0.244141 1.003746
7 29 -1.470871 1.416019 1.768505

Należy zauważyć, że kolumna „y” pozostaje niezmieniona, ale kolumny „x1”, „x2” i „x3” są ustandaryzowane.

Możemy sprawdzić, że średnia i odchylenie standardowe każdej kolumny zmiennych predykcyjnych są równe odpowiednio 0 i 1:

 #view mean of each predictor variable column
df[[' x1 ', ' x2 ', ' x3 ']]. mean ()

x1 2.775558e-17
x2 -4.163336e-17
x3 5.551115e-17
dtype:float64

#view standard deviation of each predictor variable column
df[[' x1 ', ' x2 ', ' x3 ']]. std ()

x1 1.0
x2 1.0
x3 1.0
dtype:float64

Dodatkowe zasoby

Jak normalizować kolumny w ramce danych Pandas
Jak usunąć wartości odstające w Pythonie
Standaryzacja czy normalizacja: jaka jest różnica?