聚焦百科，带你领略最精彩的世界！每天更新精彩冷知识百科，你不知道的！为你的生活提供更多的帮助和便利。主要内容：

什么是数据标准化？Python中的数据如何标准化？1.z标准化：实现集中化和正态分布；

二、Min-Max:归一化；

三、MaxAbs:最大绝对值标准化；

第四，RobustScaler。

Python实例z值；

最小-最大值；

MaxAbs

鲁棒定标器.

数据标准化是数据预处理中非常重要的一步。在实际应用过程中，我们经常会遇到具有各种特征的数据集，这些数据集往往具有不同的分布模式和区间，以及不同的数量级(维度)，这很容易影响我们的模型训练。数据标准化的存在是为了消除规模、特征和分布差异对模型的影响。

另外，将特征标准化后，我们可以将其与权重结合生成新的指标，但原始数据往往不支持我们直接计算权重。

所以今天，我们来看看数据标准化的方法，以及它们是如何在Python中实现的。

标准化：实现集中化和正态分布

Z-Score标准化基于原始数据的均值和标准差，其转换公式为：

其中z是变换后的数据，x是变换前的数据，是整组数据的均值，是整组数据的标准差。

这种方法适用于大多数类型的数据，应用非常广泛。从公式中我们可以看到，经过变换后，均值会变成0，方差和标准差会变成1(考虑方差的公式)。如果这部分你不懂，不妨在笔记本上推理一下。

第二，最小值-最大值：归一化

最小-最大标准化法将原始数据进行线性转换，其转换公式为：

很明显，当x为最大值时，会转换为1；当x为最小值时，对应的新值为0；整组数据将分布在从0到1的范围内，数据的分布模式不会改变。

三、MaxAbs:最大绝对值标准化

在数据科学中，我们经常需要处理稀疏数据，MaxAbs方法对稀疏数据有很好的支持。MaxAbs标准化方法有点类似于Min-Max方法，其公式为：

即每个值除以整组数据的最大绝对值，保留了原始数据的正负属性，使数据落在[-1，1]闭区间内。需要注意的是，先进行绝对值运算，再选择最大值，而不是先选择最大值再求绝对值。看了很多文章，在这里犯了一个错误。比如有一组数据[-0.01，-1，-2]。如果先取最大值再取绝对值，别说归一化了，数据简直入地。

第四，鲁棒定标器

有时候，数据中会有异常值(离群值)。这时候如果用z-score标准化，数据就很容易失去离群特征。这时候可以使用RobustScaler方法，对于数据中心化和数据缩放鲁棒性的参数调整能力更强。

Python实例

多说无益。让我们导入必要的库和iris数据集，并进行一些必要的设置。

import numpy as NP import pandas as PD from sk learn import预处理import matplotlib . py plot as pltim import matplotlib as mpl import seaborn as SNS from seaborn import load _ datasetsns . set()mpl . RC params[' font . family ']=' sans-serif ' mpl . RC params[' font . sans-serif ']=' sim hei ' iris=load _ dataset(' iris ')。drop('species 'axis=1)iris.head()

让我们首先观察前两列数据的原始分布：

sns.jointplot(data=iris，x='萼片_长度'y='萼片_宽度')；

z分数

我们先来演示一下Z标准化。

z_scaler=预处理。standard scaler()iris _ z=z _ scaler . fit _ transform(iris)iris _ z=PD。data frame(iris _ z)SNS . jointplot(data=iris _ z，x=0，y=1)；

可以看出，数据分布格局变化不大，但数据围绕0轴收敛。

让我们看看转换数据的均值和标准差：

可以看出，虽然有一点误差(量级很小)，但数据基本符合均值为0，标准差为1。

最小-最大标准化

mm_scaler = preprocessing.MinMaxScaler()iris_mm = mm_scaler.fit_transform(iris)iris_mm = pd.DataFrame(iris_mm)sns.jointplot(data=iris_mm,, x=0, y=1);

这次我们在保持原有数据分布特性的同时，将数据收敛到了0到1之间。

MaxAbs标准化

ma_scaler = preprocessing.MaxAbsScaler()iris_ma = ma_scaler.fit_transform(iris)iris_ma = pd.DataFrame(iris_ma)sns.jointplot(data=iris_ma,, x=0, y=1);

由于iris数据集里没有负值，所以这里不能体现出[-1,1]的数据范围。我们为数据增加一些负值来看看：

iris_ma = pd.concat([iris_ma, iris_ma.applymap(lambda x: -x)])sns.jointplot(data=iris_ma,, x=0, y=1);

果然是[-1,1]呢，不过我们这里的操作只是为了演示，没有额外的意义。

RobustScaler

r_scaler = preprocessing.RobustScaler()iris_r = ma_scaler.fit_transform(iris)iris_r = pd.DataFrame(iris_r)sns.jointplot(data=iris_r,, x=0, y=1);

嗯……看起来跟MaxAbs没什么区别，这是因为这里不存在什么异常值。这个就留给你们自己来练习一下了！

以上是使用sklearn提供的标准化工具进行数据标准化的操作，事实上，我们也完全可以自己创造一些标准化工具，实际操作起来并不难哦，大家可以尝试一下。