python数据分析数据标准化及离散化详解
本文为大家分享了python数据分析数据标准化及离散化的具体内容,供大家参考,具体内容如下
标准化
1、离差标准化
是对原始数据的线性变换,使结果映射到[0,1]区间。方便数据的处理。消除单位影响及变异大小因素影响。
基本公式为:
x'=(x-min)/(max-min)
代码:
#!/user/bin/env python #-*- coding:utf-8 -*- #author:M10 import numpy as np import pandas as pd import matplotlib.pylab as plt import mysql.connector conn = mysql.connector.connect(host='localhost', user='root', passwd='123456', db='python')#链接本地数据库 sql = 'select price,comment from taob'#sql语句 data = pd.read_sql(sql,conn)#获取数据 #离差标准化 data1 = (data-data.min())/(data.max()-data.min()) print(data1)
运行结果
2、标准差标准化
消除单位影响以及变量自身变异影响。(零-均值标准化)
基本公式为:
x'=(x-平均数)/标准差
python代码:
#!/user/bin/env python #-*- coding:utf-8 -*- #author:M10 import numpy as np import pandas as pd import matplotlib.pylab as plt import mysql.connector conn = mysql.connector.connect(host='localhost', user='root', passwd='123456', db='python')#链接本地数据库 sql = 'select price,comment from taob'#sql语句 data = pd.read_sql(sql,conn)#获取数据 #标准差标准化 data1 = (data-data.mean())/data.std() print(data1)
运行结果:
3、小数定标标准化
消除单位影响
基本公式为:
其中j=lg(max(|x|)),即以10为底的x的绝对值最大的对数
x' = x/10^j
实现代码为:
#!/user/bin/env python #-*- coding:utf-8 -*- #author:M10 import numpy as np import pandas as pd import matplotlib.pylab as plt import mysql.connector conn = mysql.connector.connect(host='localhost', user='root', passwd='123456', db='python')#链接本地数据库 sql = 'select price,comment from taob'#sql语句 data = pd.read_sql(sql,conn)#获取数据 #标准差标准化 j = np.ceil(np.log10(data.abs().max()))#进一取整,abs()为取绝对值 data1 = data/10**j print(data1)
结果:
离散化
离散化是程序设计中一个常用的技巧,它可以有效的降低时间复杂度。其基本思想就是在众多可能的情况中,只考虑需要用的值。离散化可以改进一个低效的算法,甚至实现根本不可能实现的算法
1、等宽离散化
将连续数据按照等宽区间标准离散化数据,好处之一是处理的数据是有限个数据而不是无限多。
使用pandas的cut方法。非等宽只需要更改cut的第二个参数,例如:第二个参数为[1,100,3000,10000,200000],即划分为了四个区间。
#!/user/bin/env python #-*- coding:utf-8 -*- #author:M10 import numpy as np import pandas as pd import matplotlib.pylab as plt import mysql.connector conn = mysql.connector.connect(host='localhost', user='root', passwd='123456', db='python')#链接本地数据库 sql = 'select price,comment from taob'#sql语句 data = pd.read_sql(sql,conn)#获取数据 #离散化 data1 = data['price'].T.values#获取价格的一维数组 lable=['很低','低','中','高','很高'] data2 = pd.cut(data1,5,labels=lable) print(data2)
执行结果:
2、等频率离散化
将相同数量的数据放进一个区间。
3、一维聚类离散化
按属性对数据进行聚类离散。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
您可能感兴趣的文章:
- Python运用于数据分析的简单教程
- 在MAC上搭建python数据分析开发环境
- R语言 vs Python对比:数据分析哪家强?
- 利用python实现数据分析
- Python数据分析之真实IP请求Pandas详解
- Python数据分析之如何利用pandas查询数据示例代码
- Python数据分析中Groupby用法之通过字典或Series进行分组的实例
- 对Python进行数据分析_关于Package的安装问题
- R vs. Python 数据分析中谁与争锋?
- Python使用SQLite和Excel操作进行数据分析
赞 (0)