python中scale函数_python – R.scale()和sklearn.preprocessing.scale()之间的区别

我目前正将数据分析从R转移到

Python.在R i中缩放数据集时,将使用R.scale(),在我的理解中将执行以下操作：(x-mean(x))/ sd(x)

要替换该函数,我尝试使用sklearn.preprocessing.scale().根据我对描述的理解,它做了同样的事情.尽管如此,我运行了一个小测试文件并发现,这两种方法都有不同的返回值.显然,标准偏差并不相同……有人能够解释为什么标准偏差会相互“偏离”吗？

MWE：

# import packages

from sklearn import preprocessing

import numpy

import rpy2.robjects.numpy2ri

from rpy2.robjects.packages import importr

rpy2.robjects.numpy2ri.activate()

# Set up R namespaces

R = rpy2.robjects.r

np1 = numpy.array([[1.0,2.0],[3.0,1.0]])

print "Numpy-array:"

print np1

print "Scaled numpy array through R.scale()"

print R.scale(np1)

print "-------"

print "Scaled numpy array through preprocessing.scale()"

print preprocessing.scale(np1, axis = 0, with_mean = True, with_std = True)

scaler = preprocessing.StandardScaler()

scaler.fit(np1)

print "Mean of preprocessing.scale():"

print scaler.mean_

print "Std of preprocessing.scale():"

print scaler.std_

输出：