将多个 StandardScaler 应用于各个组？

Question

有没有一种 Python 的方法可以将 sklearn 的 StandardScaler 实例链接在一起，以独立地按组缩放数据？即，如果我想找到独立缩放 iris 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，我将分别减去均值并除以每个组的标准差。但是当我有一个我想控制的分类变量时，它有点难以实现这些方法和标准开发，并且基本上复制StandardScaler 的行为。

有没有更 Pythonic / sklearn 友好的方式来实现这种缩放？

Answer 1

当然，您可以使用任何sklearn 操作并将其应用于groupby 对象。

首先，一个方便的包装器：

import typing
import pandas as pd

class SklearnWrapper:
    def __init__(self, transform: typing.Callable):
        self.transform = transform

    def __call__(self, df):
        transformed = self.transform.fit_transform(df.values)
        return pd.DataFrame(transformed, columns=df.columns, index=df.index)

这会将您传递给它的任何sklearn 转换应用到一个组。

最后是简单的用法：

from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler

data = load_iris()
df = pd.DataFrame(data["data"], columns=data["feature_names"])
df["class"] = data["target"]

df_rescaled = (
    df.groupby("class")
    .apply(SklearnWrapper(StandardScaler()))
    .drop("class", axis="columns")
)

编辑：您几乎可以使用SklearnWrapper 做任何事情。 这是为每个组转换和反转此操作的示例（例如，不要覆盖转换对象） - 每次看到新组时重新调整对象（并将其添加到list ）。

我已经复制了一些sklearn's 功能以便于使用（您可以通过将适当的string 传递给_call_with_function 内部方法来使用您想要的任何功能来扩展它）：

class SklearnWrapper:
    def __init__(self, transformation: typing.Callable):
        self.transformation = transformation
        self._group_transforms = []
        # Start with -1 and for each group up the pointer by one
        self._pointer = -1

    def _call_with_function(self, df: pd.DataFrame, function: str):
        # If pointer >= len we are making a new apply, reset _pointer
        if self._pointer >= len(self._group_transforms):
            self._pointer = -1
        self._pointer += 1
        return pd.DataFrame(
            getattr(self._group_transforms[self._pointer], function)(df.values),
            columns=df.columns,
            index=df.index,
        )

    def fit(self, df):
        self._group_transforms.append(self.transformation.fit(df.values))
        return self

    def transform(self, df):
        return self._call_with_function(df, "transform")

    def fit_transform(self, df):
        self.fit(df)
        return self.transform(df)

    def inverse_transform(self, df):
        return self._call_with_function(df, "inverse_transform")

用法（组变换、逆运算再应用）：

data = load_iris()
df = pd.DataFrame(data["data"], columns=data["feature_names"])
df["class"] = data["target"]

# Create scaler outside the class
scaler = SklearnWrapper(StandardScaler())

# Fit and transform data (holding state)
df_rescaled = df.groupby("class").apply(scaler.fit_transform)

# Inverse the operation
df_inverted = df_rescaled.groupby("class").apply(scaler.inverse_transform)

# Apply transformation once again
df_transformed = (
    df_inverted.groupby("class")
    .apply(scaler.transform)
    .drop("class", axis="columns")
)

Answer 2

我更新了@Szymon Maszke 代码：

class SklearnWrapper:


def __init__(self, transformation: typing.Callable):
    self.transformation = transformation
    self._group_transforms = []
    # Start with -1 and for each group up the pointer by one
    self._pointer = -1

def _call_with_function(self, df: pd.DataFrame, function: str):
    # If pointer >= len we are making a new apply, reset _pointer
    if self._pointer == len(self._group_transforms)-1 and function=="inverse_transform":
        self._pointer = -1
    self._pointer += 1
    print(self._pointer)
    return pd.DataFrame(
        getattr(self._group_transforms[self._pointer], function)(df.values),
        columns=df.columns,
        index=df.index,
    )

def fit(self, df):
    scaler = copy(self.transformation)
    self._group_transforms.append(scaler.fit(df.values))
    return self

def transform(self, df):
    return self._call_with_function(df, "transform")

def fit_transform(self, df):
    self.fit(df)
    return self.transform(df)

def inverse_transform(self, df):
    return self._call_with_function(df, "inverse_transform")

StandardScaler() 没有正确存储在 _group_transforms 中，所以我创建了一个副本（使用复制库）并存储它（也许使用 OOP 有更好的方法）。