<\/p>\n
Centralizar<\/strong> um conjunto de dados significa subtrair o valor m\u00e9dio<\/a> de cada observa\u00e7\u00e3o<\/a> individual no conjunto de dados.<\/span><\/p>\n Depois de centralizar um conjunto de dados, o valor m\u00e9dio do conjunto de dados torna-se zero.<\/span><\/p>\n Os exemplos a seguir mostram como centralizar dados em Python.<\/span><\/p>\n Suponha que temos o seguinte array NumPy:<\/span><\/span><\/p>\n Podemos definir uma fun\u00e7\u00e3o<\/a> para subtrair o valor m\u00e9dio da matriz de cada observa\u00e7\u00e3o individual:<\/span><\/p>\n Os valores resultantes s\u00e3o os valores centralizados do conjunto de dados.<\/span><\/p>\n Como a m\u00e9dia da tabela original era 14, esta fun\u00e7\u00e3o simplesmente subtraiu 14 de cada valor individual da tabela original.<\/span><\/p>\n Por exemplo:<\/span><\/p>\n E assim por diante.<\/span><\/p>\n Tamb\u00e9m podemos verificar que a m\u00e9dia da tabela centralizada \u00e9 zero:<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas:<\/span><\/span><\/p>\n Podemos usar a fun\u00e7\u00e3o pandas apply()<\/strong> para centralizar os valores de cada coluna no DataFrame:<\/span><\/p>\n Podemos ent\u00e3o verificar que o valor m\u00e9dio de cada coluna \u00e9 zero:<\/span><\/p>\n As m\u00e9dias das colunas s\u00e3o exibidas em nota\u00e7\u00e3o cient\u00edfica, mas cada valor \u00e9 essencialmente zero.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em Python:<\/span><\/p>\n Como calcular uma m\u00e9dia aparada em Python<\/a> Centralizar um conjunto de dados significa subtrair o valor m\u00e9dio de cada observa\u00e7\u00e3o individual no conjunto de dados. Depois de centralizar um conjunto de dados, o valor m\u00e9dio 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 […]<\/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-2509","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo 1: centralize os valores de um array NumPy<\/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 Exemplo 2: centralize as colunas de um DataFrame do Pandas<\/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 Recursos adicionais<\/strong><\/span><\/h3>\n
Como calcular o erro quadr\u00e1tico m\u00e9dio (MSE) em Python<\/a>
Como calcular a m\u00e9dia das colunas selecionadas no Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"