Pandas 定义 Z_score 在不同数据框中创建新列时要调用的函数

Question

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的任何建议（在 return 之后），以便在我为训练和测试数据帧创建新列 'distances_normal' 时进一步深入基于历史数据框列 'distances' 值被标准化了吗？

提前谢谢

Answer 1

不需要定义z_score函数，计算简单，直接在dateframe上即可：

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 将它应用于数据框列的每个元素转：

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))

最终结果相同，但第一个版本更快，因为它使用矢量运算

您也可以为此使用一些标准库工具，因为它很常见，请参见例如问题

Pandas 定义 Z_score 在不同数据框中创建新列时要调用的函数

Pandas defining Z_score function to be called when creating new columns in different dataframes

python

mean

dataframe

pandas

data-science