如何在python中对单列执行box-cox转换

Question

我正在尝试将 box-cox 转换应用于单个列，但我无法做到这一点。有人可以帮我解决这个问题吗？

from sklearn.datasets import fetch_california_housing
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import statsmodels.api as sm
from sklearn.preprocessing import PowerTransformer

california_housing = fetch_california_housing(as_frame=True).frame
california_housing

power = PowerTransformer(method='box-cox', standardize=True)
california_housing['MedHouseVal']=power.fit_transform(california_housing['MedHouseVal'])

Answer 1

函数power.fit_transform 要求输入数据在单个特征的情况下具有形状(n, 1) 而不是(n,)（其中california_housing['MedHouseVal'] 的形状为(n,)，因为它是pd.Series）。这可以通过重塑来实现，即通过替换

power.fit_transform(california_housing['MedHouseVal'])

和

power.fit_transform(california_housing['MedHouseVal'].to_numpy().reshape(-1, 1))

或者，或者，更具可读性，只需使用california_housing[['MedHouseVal']] 访问列列表（给出pd.DataFrame）而不是使用california_housing['MedHouseVal'] 访问单个列（给出pd.Series），即使用

power.fit_transform(california_housing[['MedHouseVal']])

注意

print(california_housing['MedHouseVal'].shape)
print(california_housing[['MedHouseVal']].shape)

印刷

(20640,)
(20640, 1)

另一种选择是使用scipy.stats.boxcox：

from sklearn.datasets import fetch_california_housing
from scipy.stats import boxcox

california_housing = fetch_california_housing(as_frame=True).frame
california_housing['MedHouseVal'] = boxcox(california_housing['MedHouseVal'])[0]