Como centralizar dados em python: com exemplos

Centralizar um conjunto de dados significa subtrair o valor médio de cada observação individual no conjunto de dados.

Depois de centralizar um conjunto de dados, o valor médio do conjunto de dados torna-se zero.

Os exemplos a seguir mostram como centralizar dados em Python.

Exemplo 1: centralize os valores de um array NumPy

Suponha que temos o seguinte array NumPy:

 import numpy as np

#create NumPy array
data = np. array ([4, 6, 9, 13, 14, 17, 18, 19, 19, 21])

#display mean of array
print ( data.mean ())

14.0

Podemos definir uma função para subtrair o valor médio da matriz de cada observação individual:

 #create function to data center
center_function = lambda x: x - x. mean ()

#apply function to original NumPy array
data_centered = center_function(data)

#view updated Array
print (data_centered)

array([-10., -8., -5., -1., 0., 3., 4., 5., 5., 7.])

Os valores resultantes são os valores centralizados do conjunto de dados.

Como a média da tabela original era 14, esta função simplesmente subtraiu 14 de cada valor individual da tabela original.

Por exemplo:

• 1º valor da matriz centralizada = 4 – 14 = -10
• 2º valor da matriz centralizada = 6 – 14 = -8
• 3º valor na matriz centralizada = 9 – 14 = -5

E assim por diante.

Também podemos verificar que a média da tabela centralizada é zero:

 #display mean of centered array
print ( data_centered.mean ())

0.0

Exemplo 2: centralize as colunas de um DataFrame do Pandas

Suponha que temos o seguinte DataFrame do pandas:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' x ': [1, 4, 5, 6, 6, 8, 9],
                   ' y ': [7, 7, 8, 8, 8, 9, 12],
                   ' z ': [3, 3, 4, 4, 6, 7, 7]})

#view DataFrame
print (df)

   X Y Z
0 1 7 3
1 4 7 3
2 5 8 4
3 6 8 4
4 6 8 6
5 8 9 7
6 9 12 7

Podemos usar a função pandas apply() para centralizar os valores de cada coluna no DataFrame:

 #center the values in each column of the DataFrame
df_centered = df. apply ( lambda x: xx.mean ())

#view centered DataFrame
print (df_centered)

	        X Y Z
0 -4.571429 -1.428571 -1.857143
1 -1.571429 -1.428571 -1.857143
2 -0.571429 -0.428571 -0.857143
3 0.428571 -0.428571 -0.857143
4 0.428571 -0.428571 1.142857
5 2.428571 0.571429 2.142857
6 3.428571 3.571429 2.142857 

Podemos então verificar que o valor médio de cada coluna é zero:

 #display mean of each column in the DataFrame
df_centered. mean ()

x 2.537653e-16
y-2.537653e-16
z 3.806479e-16
dtype:float64

As médias das colunas são exibidas em notação científica, mas cada valor é essencialmente zero.

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em Python:

Como calcular uma média aparada em Python
Como calcular o erro quadrático médio (MSE) em Python
Como calcular a média das colunas selecionadas no Pandas