1、数据标准化，即归一化的方法
常用方法：最小-标准化，z-score标准化，小数量标准标准化
importpandasaspd df=pd.DataFrame(A.data[:,3:6]) df.columns=A.feature_names[3:6] #最小化-标准化，支持矢量运算 (df-df.min())/(df.max()-df.min()) #在sklearn中使用preprocesing模块 fromsklearnimportpreprocessing preprocessing.minmax_scale(df) #z-score标准化：结果=(数值-均值)/标准差，处理后的数据平均值为0，标准差为1 (df-df.mean())/df.std() #在sklearn中使用preprocesing模块 fromsklearnimportpreprocessing preprocessing.scale(df) #小数定标规范化：常见落在[-1，1]区间，通过移动小数点的位数，移动位数取决于属性绝对值的位数 #向上取整ceil importnumpyasnp df/10**np.ceil(np.log10(df.abs().max()))
2、连续属性离散化
常用方法:分箱法(等宽法、等频法)、聚类
importpandasaspd #等宽法，5个盒子，标签0-4 pd.cut(df.AGE,5,label=range(5)) #等频法 pd.qcut(df.AGE,5,label=range(5))
以上是Python数据转换的实现，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。