# coding=utf-8from sklearn.preprocessing import MinMaxScalerfrom sklearn.preprocessing import StandardScalerfrom sklearn.preprocessing import Imputerimport  numpy as np'''特征预处理：通过特定的统计方法，将数据转换成算法要求的数据 。包括数据缺失，数据填充等数值型数据:    标准缩放：        1、归一化:通过对原始数据进行变换把数据映射到(默认为0，1)之间;               计算公式：x' = (x-min)/(max-min) x'' = x'*(mx-mi)+mi             目的：使得某一个特征对最终结果不会造成更大的影响            弊端：异常点对归一化的最大值最小值影响很大。            适用场景：鲁棒性差，只适合小数据的场景(无异常数据)            api:MinMaxScaler(feature_range=(2,4))                    MinMaxScaler.fit_transform()        2、标准化：通过对原始数据进行变换把数据变换到均值为0，标准差为1范围内            公式：x' = (x-mean)/a 其中mean为平均值；a为标准差                    方差：var = ((x1-mean)^2 +(x2-mean)^2+ ....)/n ,其中var为方差，n为每个特征样本数 ;方差可以考量数据的稳定性                    标准差：对方差开平方，即var^(1/2)            优点：对异常点没有影响,适合嘈杂数据场景            api:StandardScaler()                    StandardScaler.fit_transform()                    StandardScaler.mean_                    StandardScaler.with_std                            3、缺失值：主要使用pandas处理(np.nan为float类型)                     删除：(不建议) dropna()                    填充：填充使用列的均值、中位数、众数  fillna()                      替换：replace("?",np.nan)            Api：Imputer(missing_values='NaN',strategy="mean")                    Imputer.fit_transform()  类别型数据： one-hot编码时间类型：  时间的切分特征预处理Api:    sklearn.preprocessing    归一化Api:'''def mm():    """    归一化处理    错误1：setting an array element with a sequence. 表示列没有对齐    :return:    """    m = MinMaxScaler(feature_range=(2,4))    data = m.fit_transform([[9,2,3],[40,50,4],[34,23,45]])    print(data)    return Nonedef stand():    """    标准化缩放    :return:    """    std = StandardScaler()    data = std.fit_transform([[9,2,3],[40,50,4],[34,23,45]])    print(data)    return  Nonedef im():    """    缺失值处理    :return:    """    i = Imputer(missing_values='NaN',strategy='mean',axis=0)    result =i.fit_transform([[9,np.nan,3],[np.nan,50,4],[34,23,45]])    print(result)    return Noneif __name__ == '__main__':    mm()    stand()    im()