是否将多个StandardScaler应用于单个组？
是否将多个StandardScaler应用于单个组？
提问于 2019-04-10 05:58:47
有没有一种pythonic式的方法可以将sklearn的StandardScaler实例链接在一起，以独立地与组一起扩展数据？也就是说，如果我想找到独立缩放虹膜数据集的特征，我可以使用以下代码：
from sklearn.datasets import load_iris
data = load_iris()
df = pd.DataFrame(data['data'], columns=data['feature_names'])
df['class'] = data['target']
means = df.groupby('class').mean()
stds = df.groupby('class').std()
df_rescaled = (
(df.drop(['class'], 1) - means.reindex(df['class']).values) /
stds.reindex(df['class']).values)在这里，我用平均值减去，再用每组的stdev独立除以。但是很难随身携带这些方法和stdev，基本上，当我有一个我想要控制的分类变量时，复制StandardScaler的行为。
有没有一种对pythonic /sklearn更友好的方式来实现这种类型的伸缩？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55601928
复制相关文章
相似问题
腾讯云开发者
