Python pandas：规范化数据的最佳方法？ [复制]

Question

我有一个大约 80 列的大熊猫数据框。数据框中的 80 列中的每一列都报告网站的每日流量统计信息（列是网站）。

由于我不想使用原始流量统计信息，我更喜欢规范化我的所有列（第一列除外，即日期）。从 0 到 1 或（甚至更好）从 0 到 100。

Date        A      B      ...
10/10/2010  100.0  402.0  ...
11/10/2010  250.0  800.0  ...
12/10/2010  800.0  2000.0 ...
13/10/2010  400.0  1800.0 ...

话虽如此，我想知道应用哪种规范化。 Min-Max scaling 与 z-Score 标准化（标准化）？我的一些列有很强的异常值。有一个例子会很棒。很抱歉无法提供完整的数据。

Answer 1

首先，将 Date 列转换为索引。

dates = df.pop('Date')
df.index = dates

然后要么使用 z-score 归一化：

df1 = (df - df.mean())/df.std()

或最小-最大缩放：

df2 = (df-df.min())/(df.max()-df.min())

我可能会建议 z-score 归一化，因为 min-max 缩放非常容易受到异常值的影响。