在 pandas 数据框中按 MinMaxScaler 分组 [英] Group by MinMaxScaler in pandas dataframe
问题描述
我想对数据帧 df 中的 X2 和 X3 列应用 minmax 缩放器，并为每个月添加 X2_Scale 和 X3_Scale 列.
I would like to apply minmax scaler to column X2 and X3 in dataframe df and add columns X2_Scale and X3_Scale for each month.
df = pd.DataFrame({
'Month': [1,1,1,1,1,1,2,2,2,2,2,2,2],
'X1': [12,10,100,55,65,60,35,25,10,15,30,40,50],
'X2': [10,15,24,32,8,6,10,23,24,56,45,10,56],
'X3': [12,90,20,40,10,15,30,40,60,42,2,4,10]
})
下面的代码是我尝试过但出错的代码.
Below code is what I tried but got en error.
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
cols = df.columns[2:4]
df[cols + 'scale'] = df.groupby('Month')[cols].scaler.fit_transform(df[cols])
我该怎么做?谢谢.
推荐答案
方法一
使用缩放函数对 X2 和 X3 列进行分组和变换，该函数应用最小-最大缩放变换并返回缩放值
Approach 1
Group and transform the columns X2 and X3 using a scaling function which applies the min-max scaling transformation and returns the scaled values
def scale(X):
X_ = np.atleast_2d(X)
return pd.DataFrame(scaler.fit_transform(X_), X.index)
df[cols + '_scale'] = df.groupby('Month')[cols].apply(scale)
方法 2
让我们坚持基础并计算相应列 X2 和 X3 中的 min、max 值，用于每个组，然后使用计算的最小值-最大值将缩放公式应用于列
Approach 2
Lets stick to the basics and calculate the min, max values from corresponding columns X2 and X3 for each group, then apply the scaling formula to the columns using the calculated min-max values
g = df.groupby('Month')[cols]
min_, max_ = g.transform('min'), g.transform('max')
df[cols + '_scale'] = (df[cols] - min_) / (max_ - min_)
结果
Month X1 X2 X3 X2_scale X3_scale
0 1 12 10 12 0.153846 0.025000
1 1 10 15 90 0.346154 1.000000
2 1 100 24 20 0.692308 0.125000
3 1 55 32 40 1.000000 0.375000
4 1 65 8 10 0.076923 0.000000
5 1 60 6 15 0.000000 0.062500
6 2 35 10 30 0.000000 0.482759
7 2 25 23 40 0.282609 0.655172
8 2 10 24 60 0.304348 1.000000
9 2 15 56 42 1.000000 0.689655
10 2 30 45 2 0.760870 0.000000
11 2 40 10 4 0.000000 0.034483
12 2 50 56 10 1.000000 0.137931
这篇关于在 pandas 数据框中按 MinMaxScaler 分组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
