Standardscaler 转换为 df 数据框 pandas - Python

在机器学习中，我们通常需要对数据进行标准化处理。其中一个常用的方法是使用 StandardScaler，它是 sklearn 中的一个函数，可以帮助我们将数据转换为均值为 0，方差为 1 的数据。在本文中，我们将介绍如何使用 StandardScaler 对数据进行标准化，并将结果以 df 数据框的形式呈现出来。

首先，我们需要导入所需的库：

import pandas as pd
from sklearn.preprocessing import StandardScaler

然后我们可以使用 pandas 读取数据：

df = pd.read_csv('data.csv')

接下来，我们需要从数据框中选择要标准化的列，然后对其进行标准化处理。

# 选择要标准化的列
cols_to_norm = ['col1', 'col2', 'col3']

# 创建 StandardScaler 对象
scaler = StandardScaler()

# 对数据进行标准化处理
df[cols_to_norm] = scaler.fit_transform(df[cols_to_norm])

最后，我们可以打印出标准化后的数据框：

print(df.head())

这里我们只展示了数据框的前 5 行，如果需要展示更多的行，可以修改参数。

       col1      col2      col3
0 -1.136794 -1.126722 -0.425242
1 -1.024811 -0.932681  0.126761
2 -0.912827 -0.791282  2.009046
3 -0.800844 -1.028562  0.624906
4 -0.688861  1.018456 -0.871174

我们可以看到，StandardScaler 函数将数据标准化成了均值为 0，方差为 1 的形式。

以上就是如何将 StandardScaler 转换为 df 数据框 pandas 的介绍。希望对大家有所帮助。