这篇文章将为大家详细讲解有关如何在python中实现数据变换，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
站在用户的角度思考问题，与客户深入沟通，找到新泰网站设计与新泰网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站制作、做网站、外贸营销网站建设、企业官网、英文网站、手机端网站、网站推广、主机域名、网络空间、企业邮箱。业务覆盖新泰地区。
Python是一种跨平台的、具有解释性、编译性、互动性和面向对象的脚本语言，其最初的设计是用于编写自动化脚本，随着版本的不断更新和新功能的添加，常用于用于开发独立的项目和大型项目。
1、数据规范化，即归一化的方法
常见方法：最小-最大规范化、z-score规范化、小数定标规范化
import pandas as pd df=pd.DataFrame(A.data[:,3:6]) df.columns=A.feature_names[3:6] #最小-最大规范化，支持矢量运算 (df-df.min())/(df.max()-df.min()) #使用sklearn中的preprocessing模块 from sklearn import preprocessing preprocessing.minmax_scale(df) #z-score规范化：结果=（数值-均值）/标准差，处理后数据的均值为0，标准差为1 (df-df.mean())/df.std() #使用sklearn中的preprocessing模块 from sklearn import preprocessing preprocessing.scale(df) #小数定标规范化：常见落在[-1,1]区间，通过移动小数点的位数实现，移动位数取决于属性绝对值的最大值的位数 #ceil向上取整 import numpy as np df/10**np.ceil(np.log10(df.abs().max()))
2、连续属性离散化
常见方法：分箱法（等宽法、等频法）、聚类
import pandas as pd #等宽法,5个箱子，标签为0-4 pd.cut(df.AGE,5,label=range(5)) #等频法 pd.qcut(df.AGE,5,label=range(5))
关于如何在python中实现数据变换就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。