蟒蛇大熊猫回归

Question

标准化专栏中，我有以下DF：

Date  Event_Counts Category_A Category_B 
20170401  982457   0   1 
20170402  982754   1   0 
20170402  875786   0   1 

我正在准备中的数据进行回归分析，并要规范列Event_Counts，因此，它是一个类似鳞片状的类别。

我使用下面的代码：

from sklearn import preprocessing 
df['scaled_event_counts'] = preprocessing.scale(df['Event_Counts']) 

虽然我得到这样的警告：

DataConversionWarning: Data with input dtype int64 was converted to float64 by the scale function. 
    warnings.warn(msg, _DataConversionWarning) 

似乎已经奏效;有一个新的专栏。然而，它有-1.3的负数

我认为尺度函数的作用是从数字中减去平均值，并将其除以每一行的标准偏差;然后将结果的最小值添加到每一行。

这对熊猫来说不适用吗？或者我应该使用normalize（）函数还是StandardScaler（）函数？我想有0分的标准化列1

谢谢

Answer 1

我认为您在寻找sklearn.preprocessing.MinMaxScaler。这将允许您缩放到一个给定的范围。

所以你的情况这将是：

scaler = preprocessing.MinMaxScaler(feature_range=(0,1)) 
df['scaled_event_counts'] = scaler.fit_transform(df['Event_Counts']) 

要缩放整个DF：

scaled_df = scaler.fit_transform(df) 
print(scaled_df) 
[[ 0.   0.99722347 0.   1.  ] 
[ 1.   1.   1.   0.  ] 
[ 1.   0.   0.   1.  ]] 

Answer 2

缩放减去平均值和各功能（列）的标准差除以完成。所以，

scaled_event_counts = (Event_Counts - mean(Event_Counts))/std(Event_Counts) 

到float64警告的Int64的来自其减去平均值，这将是一个浮点数，而不仅仅是一个整数。

由于平均值将标准化为零，因此您将在缩放列中得到负数。