python中常用的九种预处理方法分享
本文总结的是我们大家在python中常见的数据预处理方法，以下通过sklearn的preprocessing模块来介绍;
1. 标准化（Standardization or Mean Removal and Variance Scaling)
变换后各维特征有0均值，单位方差。也叫z-score规范化（零均值规范化）。计算方式是将特征值减去均值，除以标准差。
sklearn.preprocessing.scale(X)
一般会把train和test集放在一起做标准化，或者在train集上做标准化后，用同样的标准化器去标准化test集，此时可以用scaler
scaler = sklearn.preprocessing.StandardScaler().fit(train) scaler.transform(train) scaler.transform(test)
实际应用中，需要做特征标准化的常见情景：SVM
2. 最小-最大规范化
最小-最大规范化对原始数据进行线性变换，变换到[0,1]区间（也可以是其他固定最小最大值的区间）
min_max_scaler = sklearn.preprocessing.MinMaxScaler() min_max_scaler.fit_transform(X_train)
3.规范化（Normalization）
规范化是将不同变化范围的值映射到相同的固定范围，常见的是[0,1]，此时也称为归一化。
将每个样本变换成unit norm。
X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]] sklearn.preprocessing.normalize(X, norm='l2')
得到：
array([[ 0.40, -0.40, 0.81], [ 1, 0, 0], [ 0, 0.70, -0.70]])
可以发现对于每一个样本都有，0.4^2+0.4^2+0.81^2=1,这就是L2 norm，变换后每个样本的各维特征的平方和为1。类似地，L1 norm则是变换后每个样本的各维特征的绝对值和为1。还有max norm，则是将每个样本的各维特征除以该样本各维特征的最大值。
在度量样本之间相似性时，如果使用的是二次型kernel，需要做Normalization
4. 特征二值化（Binarization）
给定阈值，将特征转换为0/1
binarizer = sklearn.preprocessing.Binarizer(threshold=1.1) binarizer.transform(X)
5. 标签二值化（Label binarization）
lb = sklearn.preprocessing.LabelBinarizer()
6. 类别特征编码
有时候特征是类别型的，而一些算法的输入必须是数值型，此时需要对其编码。
enc = preprocessing.OneHotEncoder() enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]) enc.transform([[0, 1, 3]]).toarray() #array([[ 1., 0., 0., 1., 0., 0., 0., 0., 1.]])
上面这个例子，第一维特征有两种值0和1，用两位去编码。第二维用三位，第三维用四位。
另一种编码方式
newdf=pd.get_dummies(df,columns=["gender","title"],dummy_na=True)
7.标签编码（Label encoding）
le = sklearn.preprocessing.LabelEncoder() le.fit([1, 2, 2, 6]) le.transform([1, 1, 2, 6]) #array([0, 0, 1, 2]) #非数值型转化为数值型 le.fit(["paris", "paris", "tokyo", "amsterdam"]) le.transform(["tokyo", "tokyo", "paris"]) #array([2, 2, 1])
8.特征中含异常值时
sklearn.preprocessing.robust_scale
9.生成多项式特征
这个其实涉及到特征工程了，多项式特征/交叉特征。
poly = sklearn.preprocessing.PolynomialFeatures(2) poly.fit_transform(X)
原始特征：
转化后：
总结
以上就是为大家总结的python中常用的九种预处理方法分享，希望这篇文章对大家学习或者使用python能有一定的帮助，如果有疑问大家可以留言交流。
相关文章
这篇文章主要给大家介绍了关于python常见模块之OS模块和time模块的相关资料，time模块、os模块与sys模块被称为python模块中的三剑客,需要的朋友可以参考下2021-06-06
今天小编就为大家分享一篇用Python去除图像的黑色或白色背景实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
在机器学习中，很多算法都需要我们对分类特征进行转换（编码），即根据某一列的值，新增（修改）一列。本文为大家总结了Pandas中十种数据编码的方式，需要的可以参考一下2022-04-04
使用Python将Markdown格式转为EPUB电子书格式的代码实现
我们每天都会接触到大量的文本内容,无论是收藏的技术文档、自己撰写的笔记,还是网络上的优质文章,都可能面临阅读体验不佳的问题,所以本文给大家介绍了使用Python将Markdown格式转为EPUB电子书格式的实现方法,需要的朋友可以参考下2025-04-04
这篇文章主要介绍了python 是如何进行内存管理的，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下2020-11-11
这篇文章主要给大家介绍了关于python如何获取当前文件夹下所有文件名的相关资料，文中给出了详细的示例代码，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面来一起看看吧2019-01-01
这篇文章主要介绍了Python正则表达式re模块，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-03-03
这篇文章主要介绍了Python实例方法、类方法、静态方法的区别与作用,结合实例形式分析了Python面向对象程序设计中实例方法、类方法、静态方法的概念、原理、用法及相关操作技巧,需要的朋友可以参考下2019-03-03
这篇文章主要为大家详细介绍了python实现UDP协议下的文件传输，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
我们再使用python难免会出现各种各样的报错,下面这篇文章主要给大家介绍了关于Python常见报错解决方案的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下2022-05-05
最新评论