python数据预处理之数据标准化的⼏种处理⽅式
何为标准化：
在数据分析之前，我们通常需要先将数据标准化（normalization），利⽤标准化后的数据进⾏数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和⽆量纲化处理两个⽅⾯。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作⽤⼒的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评⽅案的作⽤⼒同趋化，再加总才能得出正确结果。数据⽆量纲化处理主要解决数据的可⽐性。⼏种标准化⽅法：归⼀化Max-Min
min-max标准化⽅法是对原始数据进⾏线性变换。设minA和maxA分别为属性A的最⼩值和最⼤值，将A的⼀个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：新数据=（原数据-最⼩值）/（最⼤值-最⼩值）
这种⽅法能使数据归⼀化到⼀个区域内，同时不改变原来的数据结构。实现中⼼化Z-Score
这种⽅法基于原始数据的均值（mean）和标准差（standard deviation）进⾏数据的标准化。将A的原始值x使⽤z-score标准化到x'。
z-score标准化⽅法适⽤于属性A的最⼤值和最⼩值未知的情况，或有超出取值范围的离群数据的情况。新数据=（原数据-均值）/标准差
这种⽅法适合⼤多数类型数据，也是很多⼯具的默认标准化⽅法。标准化之后的数据是以0为均值，⽅差为以的正太分布。但是Z-Score⽅法是⼀种中⼼化⽅法，会改变原有数据的分布结构，不适合⽤于对稀疏数据做处理。
很多时候数据集会存在稀疏特征，表现为标准差⼩，很多元素值为0，最常见的稀疏数据集是⽤来做协同过滤的数据集，绝⼤部分数据都是0。对稀疏数据做标准化，不能采⽤中⼼化的⽅式，否则会破坏稀疏数据的结构。⽤于稀疏数据的MaxAbs
最⼤值绝对值标准化（MaxAbs）即根据最⼤值的绝对值进⾏标准化，假设原转换的数据为x，新数据为x'，那么x'=x/|max|，其中max为x锁在列的最⼤值。
该⽅法的数据区间为[-1, 1]，也不破坏原数据结构的特点，因此也可以⽤于稀疏数据，⼀些稀疏矩阵。针对离群点的RobustScaler
有些时候，数据集中存在离群点，⽤Z-Score进⾏标准化，但是结果不理想，因为离群点在标准化后丧失了利群特性。RobustScaler针对离群点做标准化处理，该⽅法对数据中⼼化的数据的缩放健壮性有更强的参数控制能⼒。python实现
import numpy as npimport pandas as pd
from sklearn import preprocessingimport matplotlib.pyplot as plt
from sklearn.datasets import make_moonsimport matplotlib.pyplot as plt%matplotlib inline
# 导⼊数据
data = make_moons(n_samples=200, noise=10)[0]#Z-Score标准化
#建⽴StandardScaler对象
zscore = preprocessing.StandardScaler()# 标准化处理
data_zs = zscore.fit_transform(data)#Max-Min标准化
#建⽴MinMaxScaler对象
minmax = preprocessing.MinMaxScaler()
# 标准化处理
data_minmax = minmax.fit_transform(data)#MaxAbs标准化
#建⽴MinMaxScaler对象
maxabs = preprocessing.MaxAbsScaler()# 标准化处理
data_maxabs = maxabs.fit_transform(data)#RobustScaler标准化#建⽴RobustScaler对象
robust = preprocessing.RobustScaler()# 标准化处理
data_rob = robust.fit_transform(data)
# 可视化数据展⽰# 建⽴数据集列表
data_list = [data, data_zs, data_minmax, data_maxabs, data_rob]# 创建颜⾊列表
color_list = ['blue', 'red', 'green', 'black', 'pink']# 创建标题样式
title_list = ['source data', 'zscore', 'minmax', 'maxabs', 'robust']# 设置画幅
plt.figure(figsize=(9, 6))# 循环数据集和索引
for i, dt in enumerate(data_list): # ⼦⽹格
plt.subplot(2, 3, i+1) # 数据画散点图
plt.scatter(dt[:, 0], dt[:, 1], c=color_list[i]) # 设置标题
plt.title(title_list[i])# 图⽚储存
plt.savefig('xx.png')# 图⽚展⽰plt.show()
参考：
《》 宋天龙
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。
