一文搞懂fit,transform,fit_transform间的关系

本来是没有打算写这个的，但是看到有好几篇其他博客疯狂说fit和transform没有任何关系，我想了想，还是写下这篇博客，防止其他人入坑吧。以下是引发我写此文的原因。

好了，先简单说下这三者的作用吧。
我就用sklearn中的StandardScaler这个标准化类来说明吧。
fit:计算均值和标准差，用于以后的缩放。

transform:通过居中或者缩放操作执行标准化。

fit_transform:拟合数据（这个过程中会计算数据的均值和方差），并对数据进行转换（标准化啥的）。

fit_transform: 说白了就是fit 和 transform的组合形式，也就是说原来可能需要两步 fit和transform才能得到的结果，现在只需要fit_transform一步就能得到了。
说完了这三者的各自作用，再来说一下三者的关系吧。简单来说，fit是父类，transform是子类，它继承了父类fit 拟合数据data而得到的均值，标准差这两个属性，然后用这两个属性来进行标准化操作。
下面举一个例子。


可以看出二者殊途共归，所以你现在应该也明白了，为啥在训练集上需要用fit_transform，而在测试集上只需要用transform了吧。例子中的实例对象‘sb’已经存储了拟合训练集而得到的均值和标准差，然后只需要用这个’sb’去处理测试集就行了。
尝试再实例化一个StandardScaler，直接去transform你的数据，再查看一下报错信息，你就应该能完全明白了。