如何使用scikit-learn通过标准差来规范化数据框？

Question

鉴于以下数据框和left-x列：

|       | left-x | left-y | right-x | right-y |
|-------|--------|--------|---------|---------|
| frame |        |        |         |         |
| 0     | 149    | 181    | 170     | 175     |
| 1     | 149    | 181    | 170     | 175     |
| 2     | 149    | 181    | 170     | 175     |
| 3     | 149    | 181    | 170     | 175     |

我如何使用left-x标准偏差scikit-learn library？

Answer 1

您可以通过标准偏差进行标准化，而无需使用sci-kit-learn，如下所示：

df['left-x'] = df['left-x'] / df['left-x'].std()

或者，如果您还想要中心数据：

df['left-x'] = (df['left-x'] - df['left-x'].mean())/df['left-x'].std()

这里df是你的asl.df[l]变量。

.std()方法给出了给定轴上数据帧的标准偏差。通过首先选择一列，仅为该列计算标准偏差。

如果你需要做很多事情并希望避免混乱，你可以把它包装成一个函数，例如

def std_norm(df, column):
    c = df[column]
    df[column] = (c - c.mean())/c.std()

你称之为：

std_norm(df, 'left-x')

请注意，这会就地更新传递的DataFrame。

Answer 2

您可以使用sklearn.preprocessing模块中的缩放功能。

from sklearn.preprocessing import StandardScaler

sc = StandardScaler()
sc.fit(df['left-x'])

df['left-x'] = sc.transform(df['left-x'])