Pandas 定义在不同数据帧中创建新列时要调用的 Z_score 函数

Posted 2023-03-12

【中文标题】Pandas 定义在不同数据帧中创建新列时要调用的 Z_score 函数

【英文标题】：Pandas defining Z_score function to be called when creating new columns in different dataframes

【发布时间】：2021-03-12 12:29:51

【问题描述】：

def z_score(df, column, mean, std):
    return #  ?????

mean = history_df['distances'].mean()
std = history_df['distances'].std()
training_df['distances_normal'] = z_score(training_df, 'distances', mean, std)
testing_df['distances_normal'] = z_score(testing_df, 'distances', mean, std)

你好，关于 z_score 函数应该是什么样子（返回后）的任何建议，以便在我根据历史数据帧列“距离”创建新列“距离正常”到训练和测试数据帧时进一步向下，值是归一化？

提前谢谢

【参考方案1】：

不需要定义z_score函数，计算简单，直接在dateframe上进行即可：

training_df['distances_normal'] = (training_df['distances'] - mean)/ std

如果您仍然想使用z_score 函数，那么您可以定义它一次取一个元素，然后使用apply 依次将其应用于数据框列的每个元素：

def z_score(x, mean, std):
    return (x - mean)/std

training_df['distances_normal'] = training_df['distances'].apply(lambda x: z_score(x, mean, std))

最终结果是一样的，但第一个版本更快，因为它使用向量运算

您也可以为此使用一些标准库工具，因为它很常见，请参阅例如this question