我们知道在一个数据集里,存在着多个特征,而这些特征的量纲大多数情况下不会全部一致,因此,这是我们需要对数据集进行归一化处理,如下所示,是我要处理的数据。
在归一化方法中,一般有两种方法。
(1)最小-最大规范化
此方法将数据映射到【0,1】范围内,其公式如下所示
这种方法的pandas实现中,需要注意data[]的中括号里需要再次添加‘[]’。否则会报错。
# 这里我只取了一列做例子
max_min_scaler = lambda x: (x - np.min(x)) / (np.max(x) - np.min(x))
data[['x_0']].apply(max_min_scaler)
# 而不是如下写法
data['x_0'].apply(max_min_scaler)
(2)零-均值规范化(z-score标准化)
在z-score标准化中,我们的处理后的数据的均值为0,标准差为1。
此方法的公式为如下所示:
在这种方法的pandas实现中,与第一种不同的是,我们恰恰要使用第一种不使用的写法实现,否则会出现下图所示,结果全为NAN的数据。代码如下:
# means,va 列表分别存储这一列的均值与标准差
zscore_scaler = lambda x: (x - means) / va
posedata['x_0'] = posedata['x_0'].apply(zscore_scaler)
# 而不是下面
posedata['x_0'] = posedata[['x_0']].apply(zscore_scaler)