def datastandard():
from sklearn import preprocessing import numpy as np x = np.array([ [ 1., -1., 2.], [ 2., 0., 0.], [ 0., 1., -1.]]) print('原始数据为：\n',x) print('method1:指定均值方差数据标准化(默认均值0 方差 1):') print('使用scale()函数 按列标准化') x_scaled = preprocessing.scale(x) print('标准化后矩阵为:\n',x_scaled,end='\n\n') print('cur mean:', x_scaled.mean(axis=0), 'cur std:', x_scaled.std(axis=0)) print('使用scale()函数 按行标准化') x_scaled = preprocessing.scale(x,axis=1) print('标准化后矩阵为:\n',x_scaled,end='\n') print('cur mean:', x_scaled.mean(axis=1), 'cur std:', x_scaled.std(axis=1)) print('\nmethod2:StandardScaler类,可以保存训练集中的参数') scaler = preprocessing.StandardScaler().fit(x) print('标准化前 均值方差为:',scaler.mean_,scaler.scale_) print('标准化后矩阵为:\n',scaler.transform(x),end='\n\n') print('***2.数据归一化,映射到区间[min,max]：') min_max_scaler = preprocessing.MinMaxScaler(feature_range=(0,10)) print(min_max_scaler.fit_transform(x)) if __name__ == '__main__': datastandard()结果如下：
原始数据为：
[[ 1. -1. 2.]
[ 2. 0. 0.]
[ 0. 1. -1.]]
method1:指定均值方差数据标准化(默认均值0 方差 1):
使用scale()函数 按列标准化
标准化后矩阵为:
[[ 0. -1.22474487 1.33630621]
[ 1.22474487 0. -0.26726124]
[-1.22474487 1.22474487 -1.06904497]]
cur mean: [ 0. 0. 0.] cur std: [ 1. 1. 1.] 使用scale()函数 按行标准化 标准化后矩阵为: [[ 0.26726124 -1.33630621 1.06904497] [ 1.41421356 -0.70710678 -0.70710678] [ 0. 1.22474487 -1.22474487]] cur mean: [ 1.48029737e-16 7.40148683e-17 0.00000000e+00] cur std: [ 1. 1. 1.] method2:StandardScaler类,可以保存训练集中的参数 标准化前 均值方差为: [ 1. 0. 0.33333333] [ 0.81649658 0.81649658 1.24721913] 标准化后矩阵为: [[ 0. -1.22474487 1.33630621] [ 1.22474487 0. -0.26726124] [-1.22474487 1.22474487 -1.06904497]] ***2.数据归一化,映射到区间[min,max]： [[ 5. 0. 10. ] [ 10. 5. 3.33333333] [ 0. 10. 0. ]]python 常用代码
# coding:utf8
'''
提取文档中含有某个字符的所有行，并打印出来
'''
file_path = 'E:/gengyanpeng/义乌调研资料/客运gyp资料/keyun-bi.sql'
fix_str = 'FROM'
def print_line(txt,fix_str): lines = txt.split('\n') for line in lines: if fix_str in line: print(line.strip()) with open(file_path,'r+',encoding='utf8') as f: text = f.read() print_line(text,fix_str)