数据帧列表上的 MinMax 缩放器

MinMax scaler on list of dataframes

我有数据框列表(所有数据框都有相同的数字列,代表同一测试的不同结果。我想将它们分开)。 我想训练 scikit MinMaxScalar,它将考虑 all 数据帧中每一列的最小值和最大值。 有人可以解决这个问题吗?

谢谢,

马克

查看 MinMaxScaler 的方法说明,例如在 https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html

fit(X[, y])     Compute the minimum and maximum to be used for later scaling.
transform(X)    Scaling features of X according to feature_range.

因此,假设您的 DataFrame 列表在 dfList 中,您可能应该:

  • 根据以下结果调用 fit(pd.concat(dfList)) 设置 min/max 值 所有 个实验。
  • 然后在每个 DataFrame 上调用 transform(...)

请注意,没有明确创建任何临时 table 持有 所有实验的串联结果。

您想执行以下操作:

  1. 创建一个临时 DataFrame tmp 作为列表中所有 DF 的串联
  2. MinMaxScaler 对象安装到 tmp DF
  3. 使用合适的 MinMaxScaler 对象缩放(转换)列表中的所有 DF

更新:

May you have a suggestion for training without creating temp dataframe?

我们可以利用 .partial_fit() 方法迭代地拟合来自所有 DF 的数据:

正在创建样本 DF 列表:

In [100]: dfs = [pd.DataFrame(np.random.rand(3,3)*100 - 50) for _ in range(3)]

In [101]: dfs[0]
Out[101]:
           0          1          2
0  45.473162  42.366712  41.395652
1 -35.476703  43.777850 -36.363200
2   0.479528  14.861075   4.196630

In [102]: dfs[2]
Out[102]:
           0          1          2
0   6.888876 -24.454986 -39.794309
1  -8.988094 -34.426252 -24.760782
2  34.317689 -43.644643  44.243769

缩放:

In [103]: from sklearn.preprocessing import MinMaxScaler

In [104]: mms = MinMaxScaler()

In [105]: _ = [mms.partial_fit(df) for df in dfs]

In [106]: scaled = [mms.transform(df) for df in dfs]

结果:

In [107]: scaled[0]
Out[107]:
array([[1.        , 0.9838584 , 0.91065751],
       [0.07130264, 1.        , 0.03848462],
       [0.48381052, 0.66922958, 0.49341912]])

In [108]: scaled[1]
Out[108]:
array([[0.53340314, 0.8729412 , 0.62360548],
       [0.        , 0.39480025, 1.        ],
       [0.04767918, 0.10412712, 0.95859434]])

In [109]: scaled[2]
Out[109]:
array([[0.55734177, 0.2195048 , 0.        ],
       [0.37519322, 0.10544644, 0.16862177],
       [0.87201883, 0.        , 0.94260309]])