如何使用scikit-learn通過標准差來規范化數據框？

Question

給定以下數據幀和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scikit-learn庫將標准偏差標准化為left-x ？

Answer 1

您可以通過標准偏差進行標准化，而無需使用sci-kit-learn，如下所示：

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

或者，如果您還想要中心數據：

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

這里df是你的asl.df[l]變量。

.std()方法給出了給定軸上數據幀的標准偏差。 通過首先選擇一列，僅為該列計算標准偏差。

如果你需要做很多事情並希望避免混亂，你可以將它包裝成一個函數，例如

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

你稱之為：

std_norm(df, 'left-x')

請注意，這會就地更新傳遞的DataFrame。

Answer 2

您可以使用sklearn.preprocessing模塊中的縮放功能。

from sklearn.preprocessing import StandardScaler

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

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