У мене є фрейм даних у пандах, де кожен стовпець має різний діапазон значень. Наприклад:

df:

A     B   C
1000  10  0.5
765   5   0.35
800   7   0.09

Будь-яка ідея, як я можу нормалізувати стовпці цього фрейму даних, де кожне значення становить від 0 до 1?

Мій бажаний вихід:

A     B    C
1     1    1
0.765 0.5  0.7
0.8   0.7  0.18(which is 0.09/0.5)

Ви можете використовувати пакет sklearn та пов'язані з ним утиліти попередньої обробки для нормалізації даних.

import pandas as pd
from sklearn import preprocessing

x = df.values #returns a numpy array
min_max_scaler = preprocessing.MinMaxScaler()
x_scaled = min_max_scaler.fit_transform(x)
df = pd.DataFrame(x_scaled)

Для отримання додаткової інформації поглянути на scikit вчитися документації по попередній обробці даних: масштабування особливість в діапазон.

один простий спосіб за допомогою Pandas : (тут я хочу використовувати середню нормалізацію)

normalized_df=(df-df.mean())/df.std()

використовувати нормалізацію min-max:

normalized_df=(df-df.min())/(df.max()-df.min())

Редагування: Щоб вирішити деякі проблеми, потрібно сказати, що Pandas автоматично застосовує функцію, що відповідає вимогам, у коді вище.

На основі цього допису: /stats/70801/how-to-normalize-data-to-0-1-range

Ви можете зробити наступне:

def normalize(df):
    result = df.copy()
    for feature_name in df.columns:
        max_value = df[feature_name].max()
        min_value = df[feature_name].min()
        result[feature_name] = (df[feature_name] - min_value) / (max_value - min_value)
    return result

Вам не потрібно турбуватися про те, чи є ваші цінності негативними чи позитивними. І значення повинні бути добре розподілені між 0 і 1.

Ваша проблема насправді є простим перетворенням, що діє на стовпці:

def f(s):
    return s/s.max()

frame.apply(f, axis=0)

Або ще більш короткий:

   frame.apply(lambda x: x/x.max(), axis=0)

Якщо вам подобається використання пакету sklearn, ви можете зберегти імена стовпців та індексів, використовуючи locтакі панди :

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler() 
scaled_values = scaler.fit_transform(df) 
df.loc[:,:] = scaled_values

Просто красиво:

df["A"] = df["A"] / df["A"].max()
df["B"] = df["B"] / df["B"].max()
df["C"] = df["C"] / df["C"].max()

Ви можете створити список стовпців, які потрібно нормалізувати

column_names_to_normalize = ['A', 'E', 'G', 'sadasdsd', 'lol']
x = df[column_names_to_normalize].values
x_scaled = min_max_scaler.fit_transform(x)
df_temp = pd.DataFrame(x_scaled, columns=column_names_to_normalize, index = df.index)
df[column_names_to_normalize] = df_temp

Тепер ваш фрейм даних Pandas нормалізується лише у потрібних стовпцях

Однак якщо ви хочете навпаки , виберіть список стовпців, які НЕ хочете нормалізувати, ви можете просто створити список усіх стовпців і видалити ці непотрібні

column_names_to_not_normalize = ['B', 'J', 'K']
column_names_to_normalize = [x for x in list(df) if x not in column_names_to_not_normalize ]

Я думаю, що кращий спосіб зробити це в пандах - це просто

df = df/df.max().astype(np.float64)

Редагувати Якщо у вашому кадрі даних присутні негативні цифри, слід використовувати їх

df = df/df.loc[df.abs().idxmax()].astype(np.float64)

Рішення, яке дають Сендман і Правен, дуже добре. Єдина проблема з цим, якщо у вас є категоричні змінні в інших стовпцях кадру даних, цей метод потребує деяких коригувань.

Моє рішення такого типу питань таке:

 from sklearn import preprocesing
 x = pd.concat([df.Numerical1, df.Numerical2,df.Numerical3])
 min_max_scaler = preprocessing.MinMaxScaler()
 x_scaled = min_max_scaler.fit_transform(x)
 x_new = pd.DataFrame(x_scaled)
 df = pd.concat([df.Categoricals,x_new])

Приклад різних стандартизацій в python.

Для ознайомлення дивіться цю статтю у Вікіпедії: https://en.wikipedia.org/wiki/Unbiased_estimation_of_standard_deviation

Приклад даних

import pandas as pd
df = pd.DataFrame({
               'A':[1,2,3],
               'B':[100,300,500],
               'C':list('abc')
             })
print(df)
   A    B  C
0  1  100  a
1  2  300  b
2  3  500  c

Нормалізація за допомогою панд (дає неупереджені оцінки)

При нормалізації ми просто віднімаємо середнє значення і ділимо на стандартне відхилення.

df.iloc[:,0:-1] = df.iloc[:,0:-1].apply(lambda x: (x-x.mean())/ x.std(), axis=0)
print(df)
     A    B  C
0 -1.0 -1.0  a
1  0.0  0.0  b
2  1.0  1.0  c

Нормалізація за допомогою sklearn (дає необ’єктивні оцінки, відмінні від панд)

Якщо ви зробите те ж саме з sklearnвами, ви отримаєте РІЗНИЙ вихід!

import pandas as pd

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()


df = pd.DataFrame({
               'A':[1,2,3],
               'B':[100,300,500],
               'C':list('abc')
             })
df.iloc[:,0:-1] = scaler.fit_transform(df.iloc[:,0:-1].to_numpy())
print(df)
          A         B  C
0 -1.224745 -1.224745  a
1  0.000000  0.000000  b
2  1.224745  1.224745  c

Чи зміщені оцінки склеарну робить машинне навчання менш потужним?

НЕМАЄ.

В офіційній документації sklearn.preprocessing.scale зазначається, що використання упередженого оцінювача НЕПРАВИЛЬНО впливає на продуктивність алгоритмів машинного навчання, і ми можемо їх безпечно використовувати.

From official documentation:
We use a biased estimator for the standard deviation,
equivalent to numpy.std(x, ddof=0). 
Note that the choice of ddof is unlikely to affect model performance.

Що щодо масштабування MinMax?

Не існує стандартного розрахунку відхилення в масштабі MinMax. Таким чином, результат однаковий як у пандах, так і в науках.

import pandas as pd
df = pd.DataFrame({
               'A':[1,2,3],
               'B':[100,300,500],
             })
(df - df.min()) / (df.max() - df.min())
     A    B
0  0.0  0.0
1  0.5  0.5
2  1.0  1.0


# Using sklearn
from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler() 
arr_scaled = scaler.fit_transform(df) 

print(arr_scaled)
[[0.  0. ]
 [0.5 0.5]
 [1.  1. ]]

df_scaled = pd.DataFrame(arr_scaled, columns=df.columns,index=df.index)
print(df_scaled)
     A    B
0  0.0  0.0
1  0.5  0.5
2  1.0  1.0

Можливо, ви хочете, щоб деякі стовпці нормалізувалися, а інші були незмінними, як деякі завдання регресії, які мітки даних або категоричні стовпці не змінені. Тому я пропоную вам цей пітонічний спосіб (це комбінація відповідей @shg та @Cina):

features_to_normalize = ['A', 'B', 'C']
# could be ['A','B'] 

df[features_to_normalize] = df[features_to_normalize].apply(lambda x:(x-x.min()) / (x.max()-x.min()))

Це лише проста математика. Відповідь повинна бути такою ж простою, як нижче.

normed_df = (df - df.min()) / (df.max() - df.min())

def normalize(x):
    try:
        x = x/np.linalg.norm(x,ord=1)
        return x
    except :
        raise
data = pd.DataFrame.apply(data,normalize)

З документа панди структура DataFrame може застосувати до себе операцію (функцію).

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

Застосовує функцію вздовж осі введення DataFrame. Об'єкти, передані функціям, - це об'єкти серії, що мають індекс або індекс DataFrame (ось = 0), або стовпці (вісь = 1). Тип повернення залежить від того, чи передаються функції агрегати, або аргумент зменшення, якщо DataFrame порожній.

Ви можете застосувати спеціальну функцію для управління DataFrame.

Наступна функція обчислює показник Z:

def standardization(dataset):
  """ Standardization of numeric fields, where all values will have mean of zero 
  and standard deviation of one. (z-score)

  Args:
    dataset: A `Pandas.Dataframe` 
  """
  dtypes = list(zip(dataset.dtypes.index, map(str, dataset.dtypes)))
  # Normalize numeric columns.
  for column, dtype in dtypes:
      if dtype == 'float32':
          dataset[column] -= dataset[column].mean()
          dataset[column] /= dataset[column].std()
  return dataset

Це так, як ви робите це в стовпці, використовуючи розуміння списку:

[df[col].update((df[col] - df[col].min()) / (df[col].max() - df[col].min())) for col in df.columns]

Ви можете просто використовувати функцію pandas.DataFrame.transform 1 таким чином:

df.transform(lambda x: x/x.max())

df_normalized = df / df.max(axis=0)

Це можна зробити в один рядок

DF_test = DF_test.sub(DF_test.mean(axis=0), axis=1)/DF_test.mean(axis=0)

він бере середнє значення для кожного стовпця, а потім віднімає його (середнє значення) з кожного рядка (середнє значення певного стовпця віднімає лише з його рядка) і ділиться лише на середнє значення. Нарешті, ми отримуємо нормалізований набір даних.

Pandas за умовчанням нормалізує стовпці. Спробуйте наведений нижче код.

X= pd.read_csv('.\\data.csv')
X = (X-X.min())/(X.max()-X.min())

Вихідні значення будуть в межах 0 і 1.