1、数据规范化，即归一化的方法
常见方法：最小-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-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))
以上就是python数据变换的实现，希望对大家有所帮助。更多Python学习指路：
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。