gpt4 book ai didi

python - Pandas groupby + scikit learn 电源变压器

转载 作者:太空宇宙 更新时间:2023-11-03 20:03:34 24 4
gpt4 key购买 nike

作为我在 Multiple distribution normality testing and transformation in pandas dataframe 中的问题的后续内容,我从scikit learn中找到了关于电源变压器的功能。

https://scikit-learn.org/stable/auto_examples/preprocessing/plot_map_data_to_normal.html

让我们考虑一下大型零售网络(数百种产品和数千家商店)的销售情况,简化如下:- 商店 1、商店 2- 产品A、产品B、产品C

我想通过运行参数测试来检测销售水平的异常情况,这需要对所有分布进行标准化。

我尝试让 Power Transformer 函数通过函数分组来尽可能高效地标准化所有分布,但无济于事。

数据实际上包含一些负值,因此我决定使用允许负值的 Yeo-Johnson 参数。

我尝试了以下方法:

from sklearn.preprocessing import PowerTransformer
yj = PowerTransformer(method='yeo-johnson')

df['ScaledSales'] = df.groupby(['Store', 'Product'])['Sales'].transform(lambda x: yj.fit(x))

这返回了一个错误。“预期是 2D 数组,但得到的是 1D 数组。如果数据具有单个特征,则使用 array.reshape(-1, 1) reshape 数据;如果数据包含单个样本,则使用 array.reshape(1, -1) reshape 数据。”

我还尝试使用它声明一个使用 pandas .to_transform() 的函数来转换销售值列表,使其成为可以被视为 2D 数据集的数据帧,但它返回了相同的错误:

def scale (x):
x.to_frame()
yj.fit(x)
yj.transform(x)

df['ScaledSales'] = df.groupby(['Store','Product'])['Sales'].transform(scale)

理想情况下,我希望在数据框中添加一个 ScaledSales 列,其中包含由 PowerTransformer 根据商店 + 产品组按功能缩放的值,从而标准化每个商店 + 产品组合的销售分布。

据我对 PowerTransformer 的了解,这应该是可能的,对吧?

感谢您的帮助。

最佳答案

假设你的df是这样的

import pandas as pd
import numpy as np
np.random.seed(1)

df = pd.DataFrame({
'Store': ['Store 1', 'Store 2'] * 50,
'Product': ['Product A', 'Product B', 'Product C', 'Product D'] * 25,
'Sales': [int(x) for x in np.random.randn(100)*10000]
})

df

Store Product Sales
0 Store 1 Product A 16243
1 Store 2 Product B -6117
2 Store 1 Product C -5281
3 Store 2 Product D -10729
4 Store 1 Product A 8654
.. ... ... ...
95 Store 2 Product D 773
96 Store 1 Product A -3438
97 Store 2 Product B 435
98 Store 1 Product C -6200
99 Store 2 Product D 6980

[100 rows x 3 columns]

创建分组 df:

df_groupby = df.groupby(['Store', 'Product']).agg(Sales_sum=('Sales', 'sum')).reset_index()
df_groupby

Store Product Sales_sum
0 Store 1 Product A 8696
1 Store 1 Product C 60152
2 Store 2 Product B -24319
3 Store 2 Product D 16054

然后 reshape 数据并标准化

from sklearn.preprocessing import PowerTransformer
yj = PowerTransformer(method='yeo-johnson')

data = np.array(df_groupby['Sales_sum'])
reshaped_data = np.array(data).reshape(-1, 1)
print(yj.fit(reshaped_data))
print(yj.lambdas_)
print(yj.transform(reshaped_data))

PowerTransformer(copy=True, method='yeo-johnson', standardize=True)
[0.99939608]
[[-0.21109932]
[ 1.49251682]
[-1.31406424]
[ 0.03264674]]

关于python - Pandas groupby + scikit learn 电源变压器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59095451/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com