python中常用的九种预处理方法分享

这篇文章给大家分享了python中常用的九种预处理方法，对大家学习或使用python具有一定的参考价值，有需要的朋友们可以一起来看看。

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。

?

1

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

?

1

2

3

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）

?

1

2

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。

?

1

2

X=[[ 1,-1,2],[2,0,0], [ 0,1,-1]]

sklearn.preprocessing.normalize(X, norm='l2')

得到：

?

1

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

?

1

2

binarizer=sklearn.preprocessing.Binarizer(threshold=1.1)

binarizer.transform(X)

5. 标签二值化（Label binarization）

?

1

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。

?

1

2

3

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

?

1

newdf=pd.get_dummies(df,columns=["gender","title"],dummy_na=True)

7.标签编码（Label encoding）

?

1

2

3

4

5

6

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

?

1

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。

?

1

2

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。原文地址http://www.jb51.net/article/92408.htm