#数值型数据
1.取对数变换
a = df[‘age’].apply(lambda x:log(x))
df[‘log_age’] =a
2.幅度缩放,最大值最小值缩放到[0,1]
from sklearn.preprocessing import MinMaxScaler
3.幅度缩放,将每一列的数据标准化为正态分布的
from sklearn.preprocessing import StandardScaler
4.中位数或者四分卫数去中心数据,对异常值不敏感
from sklearn.preprocessing import robust_scale
5.将同一行数据规范化,前面的同一变为1以内也可以达到这样的效果
from sklearn.preprocessing import Normalizer
normalizer = Normalizer()
fare_normal_trans = normalizer.fit_transform(df_train[['Age','Fare']])
fare_normal_trans
`#统计值
1.最大最小值
2.# 分位数,极值处理,我们最粗暴的方法就是将前后1%的值抹去
3.四则运算
#离散/分箱/分桶
1.等距切分#pd.cut()
2.等频切分#pd.qcut()
#category类型
1.one-hot编码#sklearn or pd.get_dummies
#时间型
pd.to_datetime()#object 转#datetime64
#文本型
1.词袋模型
2.TF-IDF