python数据分析5 数据转换

1数据转换

　　数据转换时数据准备的重要环节，它通过数据平滑，数据聚集，数据概化，规范化等凡是将数据转换成适用于数据挖掘的形式

1.1 数据平滑

　　去除数据中的噪声，将连续数据离散化。这里可以采用分箱、聚类和回归的方式进行数据平滑

1,2 数据聚集

　　对数据进行汇总，在sql中也有一些聚集函数比如Max求最大值

1.3 数据概化

　　将数据由较低的概念抽象成较高的概念。比如重庆成都概化为中国

1.4 数据规范化

　　将原来的数值映射到新的特定区域中。比如最大规范化

1.5 属性构造

　　通过属性与属性的连接构造新的属性，其实就是特征工程。比如数据表中统计每个人的英语、语文和数学成绩，你可以构造一个“总和”这个属性，来作为新属性

2 规范化方法

(1) Min-max规范化

　　将原始数据变换到[0,1]区间

　　新数值=（原数值-极小值)/极大值-极小值

(2)Z-Score规范化

　　比如A同学满分150，B同学满分100，但是两者都得了60分。

　　数值=（原数值-均值）/ 标准差。

(3)小数制定规范化

　　通过移动小数点的位置来进行规范化，小数点移动多少位取决于属性A的取值中的最大绝对值。

3 Scikit-Learn使用

(1)官网

https://sklearn.apachecn.org/

(2)Min-max规范化使用

 # coding:utf-8
 from sklearn import preprocessing
 import numpy as np
 # 初始化数据，每一行表示一个样本，每一列表示一个特征
 x = np.array([[ 0., -4.,  1.],
               [ 20.,  1.,  2.],
               [ 0.,  1., -1.]])
 # 将数据进行[0,1]规范化
 min_max_scaler = preprocessing.MinMaxScaler()
 minmax_x = min_max_scaler.fit_transform(x)
 print(minmax_x)

(3)Z_Score使用

 from sklearn import preprocessing
 import numpy as np
 # 初始化数据
 x = np.array([[ 0., -4.,  1.],
               [ 20.,  1.,  2.],
               [ 0.,  1., -1.]])
 # 将数据进行Z-Score规范化
 scaled_x = preprocessing.scale(x)
 print(scaled_x)

(4)小数点规范化

 # coding:utf-8
 from sklearn import preprocessing
 import numpy as np
 # 初始化数据
 x = np.array([[ 0., -4.,  1.],
               [ 20.,  1.,  2.],
               [ 0.,  1., -1.]])
 # 标准差标准化
 j = np.ceil(np.log10(np.max(abs(x))))
 scaled_x = x/(10**j)
 print(scaled_x)

4 思维导图

5 总结

　　为了寻找数据的规律，需要将其规范化。那么目前知道有三种方法，分别为Min-max规范化，Z-Score规范化，小数制定规定化等。