pandas 数据归一化以及行删除例程的方法
作者:夜月xl 发布时间:2022-05-23 09:11:23
标签:pandas,数据,归一化
如下所示:
#coding:utf8
import pandas as pd
import numpy as np
from pandas import Series,DataFrame
# 如果有id列,则需先删除id列再进行对应操作,最后再补上
# 统计的时候不需要用到id列,删除的时候需要考虑
# delete row
def row_del(df, num_percent, label_len = 0):
#print list(df.count(axis=1))
col_num = len(list(list(df.values)[1])) - label_len # -1为考虑带标签
if col_num<0:
print 'Error'
#print int(col_num*num_percent)
return df.dropna(axis=0, how='any', thresh=int(col_num*num_percent))
# 如果有字符串类型,则报错
# data normalization -1 to 1
# label_col: 不需考虑的类标,可以为字符串或字符串列表
# 数值类型统一到float64
def data_normalization(df, label_col = []):
lab_len = len(label_col)
print label_col
if lab_len>0:
df_temp = df.drop(label_col, axis = 1)
df_lab = df[label_col]
print df_lab
else:
df_temp = df
max_val = list(df_temp.max(axis=0))
min_val = list(df_temp.min(axis=0))
mean_val = list((df_temp.max(axis=0) + df_temp.min(axis=0)) / 2)
nan_values = df_temp.isnull().values
row_num = len(list(df_temp.values))
col_num = len(list(df_temp.values)[1])
for rn in range(row_num):
#data_values_r = list(data_values[rn])
nan_values_r = list(nan_values[rn])
for cn in range(col_num):
if nan_values_r[cn] == False:
df_temp.values[rn][cn] = 2 * (df_temp.values[rn][cn] - mean_val[cn])/(max_val[cn] - min_val[cn])
else:
print 'Wrong'
for index,lab in enumerate(label_col):
df_temp.insert(index, lab, df_lab[lab])
return df_temp
# 创建一个带有缺失值的数据框:
df = pd.DataFrame(np.random.randn(5,3), index=list('abcde'), columns=['one','two','three'])
df.ix[1,:-1]=np.nan
df.ix[1:-1,2]=np.nan
df.ix[0,0]=int(1)
df.ix[2,2]='abc'
# 查看一下数据内容:
print '\ndf1'
print df
print row_del(df, 0.8)
print '-------------------------'
df = data_normalization(df, ['two', 'three'])
print df
print df.dtypes
print (type(df.ix[2,2]))
来源:https://blog.csdn.net/u013045749/article/details/47019493


猜你喜欢
- 一般来说,内置的slice()函数会创建一个切片对象,可以用在任何允许进行切片操作的地方。下面是slice的简介:# slice 两种用法c
- 很开心可以和导师阿坚在08gui大赛中一起去完成《fight》的图标设计,在这个过程中真的是受益匪浅!这里我谈一下在这个过程的一些小小心得。
- It's well-known.Microsoft SQL Server 7.0增加了一个语句top,可以限制返回的记录数。但是在使
- 本文实例为大家分享了element跨分页操作选择的具体代码,供大家参考,具体内容如下业务需求:在批量导出或者批量删除的时候会涉及到跨分页导出
- 元数据简介元数据 (metadata) 最常见的定义为“有关数据的结构数据”,或者再简单一点就是“关于数据的信息”,日常生活中的图例、图书馆
- 语言的内存管理是语言设计的一个重要方面。它是决定语言性能的重要因素。无论是C语言的手工管理,还是Java的垃圾回收,都成为语言最重要的特征。
- 一、os常用方法1.获取当前路径 os.getcwd()# coding:utf-8import osif __name__ == '
- 1、相关说明此脚本可以将Mysql的数据导出成Json格式,导出的内容可以进行select查询确定。数据传入参数有:dbConfigName
- 有2个方法 一、可以修改my.ini 配置参数(linux下面是 my.cnf); [quote][client] port=3306 de
- 前言当你逐渐了解tushare之后,你会发现我们要进行数据分析只靠tushare是不够的,接下来我将介绍如何利用第三方软件将tushare获
- 一、效果展示1、普通查询加序号SELECT t1.NAME,( @i := @i + 1 ) AS '序号' FROM t1
- Python中赋值的含义在C++中,变量就是对象本身,对变量赋值就改变了它代表的对象。而在Python中,赋值的含义却是关联变量名字和实际对
- 组件之间传值/调用方法的几种方式(一)父组件向子组件传值==props1.在父组件中使用子组件的地方绑定数据<children :me
- 写爬虫有一个绕不过去的问题就是验证码,现在验证码分类大概有4种:图像类滑动类点击类语音类今天先来看看图像类,这类验证码大多是数字、字母的组合
- 也许有人会说我火星了,但我的确是第一次知道,欢迎我从火星归来吧。在 Yahoo! 首页上隐藏着这样一个小秘密,大家到 www.yahoo.c
- 引言 近期公司vue前端项目需求:实现弹窗的拖拽,四边拉伸及对角线拉伸,以及弹窗边界处理
- 首先来看一下如何声明数组:package mainimport "fmt"var arr [2]int //申明一个数组
- Bootstrap是一款目前非常流行的前端框架,简单的说,就是html,css,javascript的工具集,我们可以用bootstrap搭
- 使用Flask实现进度条问题描述Python异步处理,新起一个进程返回处理进度解决方案使用 tqdm 和 multiprocessing.P
- 有不少朋友在开发爬虫的过程中喜欢使用Selenium + Chromedriver,以为这样就能做到不被网站的反爬虫机制发现。先不说淘宝这种