Ở đây, chúng tôi sẽ áp dụng một số kỹ thuật để chuẩn hóa dữ liệu và thảo luận về những điều này với sự trợ giúp của các ví dụ. Đối với điều này, hãy hiểu các bước cần thiết để chuẩn hóa dữ liệu với Pandas
- Nhập thư viện [Pandas]
- Nhập/Nạp/Tạo dữ liệu
- Sử dụng kỹ thuật để chuẩn hóa dữ liệu
ví dụ
Ở đây, chúng tôi tạo dữ liệu theo một số giá trị ngẫu nhiên và áp dụng một số kỹ thuật chuẩn hóa cho nó
Python3
# importing packages
import pandas as pd
# create data
df= pd.DataFrame[[
______9import0import1import2import1import4import1import6import7
______9pandas as pd0import1pandas as pd2import1pandas as pd4import1pandas as pd6import7
______9 0import1 2import1 4import1 6import7
______9# create data0import1# create data2import1# create data4import1# create data6# create data7
# create data8
_______50=______9df3import1df5import1
df7____58____11____60=1
=3
=4
đầu ra
Xem cốt truyện của khung dữ liệu này
Python3
import =6
=7= =9____70
Hãy áp dụng từng kỹ thuật chuẩn hóa
Sử dụng tỷ lệ tuyệt đối tối đa
Tỷ lệ tuyệt đối tối đa thay đổi tỷ lệ từng tính năng trong khoảng từ -1 đến 1 bằng cách chia mọi quan sát cho giá trị tuyệt đối tối đa của nó. Chúng ta có thể áp dụng tỷ lệ tuyệt đối tối đa trong Pandas bằng cách sử dụng. tối đa [] và. phương thức abs[], như hình bên dưới
Python3
pd.DataFrame[[1
pd.DataFrame[[2____6 pd.DataFrame[[4
pd.DataFrame[[6
pd.DataFrame[[7 pd.DataFrame[[8pd.DataFrame[[9 0
1 2= 4 5 6 7 8 9[0
[1
[2
[3
đầu ra
Xem cốt truyện của khung dữ liệu này
Python3
import =6
[6______6 =9____70
đầu ra
Sử dụng quy mô tính năng min-max
Phương pháp tối thiểu hóa tối đa [thường được gọi là chuẩn hóa] tính lại đối tượng địa lý thành phạm vi khó và nhanh là [0,1] bằng cách trừ đi giá trị tối thiểu của đối tượng địa lý rồi chia cho phạm vi. Chúng ta có thể áp dụng tỷ lệ tối thiểu trong Pandas bằng cách sử dụng. phút[] và. phương pháp tối đa []
Python3
pd.DataFrame[[1
import01= pd.DataFrame[[4
pd.DataFrame[[6
________ 77 ________ 78 ________ 79 ________ 109
1import11= import13import14 import15import16import17 5 import19 9[0import14 import15import16import25
[2
import28import29
đầu ra
Hãy vẽ một âm mưu với khung dữ liệu này
Python3
import =6
import32= =9pd.DataFrame[[0
Sử dụng phương pháp z-score
Phương pháp điểm z [thường được gọi là tiêu chuẩn hóa] chuyển đổi thông tin thành phân phối với giá trị trung bình là 0 và độ lệch điển hình là 1. Mỗi giá trị tiêu chuẩn hóa được tính bằng cách trừ đi giá trị trung bình của tính năng tương ứng rồi chia cho độ lệch chất lượng
Python3
pd.DataFrame[[1
import37= pd.DataFrame[[4
pd.DataFrame[[6
pd.DataFrame[[7 pd.DataFrame[[8pd.DataFrame[[9 import45
1import47____6 import49import14
import51import52 5 import54
import56
import57
đầu ra.
Hãy vẽ một âm mưu với khung dữ liệu này
Python3
import =6
import60==9pd.DataFrame[[0
Tóm lược
Chuẩn hóa dữ liệu bao gồm sửa đổi các cột số theo tỷ lệ tiêu chuẩn. Trong Python, chúng tôi sẽ thực hiện chuẩn hóa dữ liệu một cách rất đơn giản. Thư viện Pandas chứa nhiều phương thức tích hợp sẵn để tính toán các hàm thống kê mô tả phổ biến nhất giúp cho các kỹ thuật chuẩn hóa dữ liệu trở nên rất dễ thực hiện