用Python做数据预处理环节要写多少行代码？实际结果让你大跌眼镜！

如何能快速高效的构建出一版满意的评分卡模型，sklearn库帮我们轻松搞定一切。小编今天就将能在评分卡中用到的sklearn库中的函数一一总结归纳，python的同学有福啦！

数据预处理篇

1、数据标准化

函数：sklearn.preprocessing.StandardScaler

用法：from sklearn.preprocessing import StandardScaler

#标准化，返回值为标准化后的数据

StandardScaler().fit_transform(iris.data)

2、数据归一化

函数：sklearn.preprocessing.Normalizer

用法：from sklearn.preprocessing import Normalizer

#归一化，返回值为归一化后的数据

Normalizer().fit_transform(iris.data)

3、对定量特征二值化

函数：sklearn.preprocessing.Binarizer

用法：from sklearn.preprocessing import Binarizer

#二值化，阈值设置为3，返回值为二值化后的数据

Binarizer(threshold=3).fit_transform(iris.data)

4、定性特征哑编码

函数：sklearn.preprocessing.OneHotEncoder

用法：from sklearn.preprocessing import OneHotEncoder

5、缺失值计算

函数：sklearn.preprocessing.Imputer

用法：from sklearn.preprocessing import Imputer

#缺失值计算，返回值默认为mean（均值）

Imputer().fit_transform(vstack((array([nan, nan, nan, nan]),iris.data)))

通知