python中預處理以及熱圖的簡單介紹

這篇文章帶給大家的內容是關於python中預處理以及熱圖的簡單介紹，有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。

在資料分析當中的東西還是很多的，我在這裡只是啟發式的介紹一下，了解到這方面的東西之後，使用的時候可以更快的找到解決辦法，希望能對大家有幫助。

這次，依然是使用的sklearn中的iris資料集，對其進行透過熱圖來展示。

預處理

sklearn.preprocessing是機器學習庫中預處理的模組，可以對資料進行標準化處理，正規化等等，根據需求來使用。在這裡利用它的標準化方法對資料進行整理。其他的方法可以自行查詢。

Standardization標準化:將特徵資料的分佈調整成標準常態分佈，也叫高斯分佈，也就是使得資料的平均值為0，變異數為1。

標準化的原因在於如果有些特徵的變異數過大，則會主導目標函數從而使參數估計器無法正確地去學習其他特徵。

標準化的過程為兩個步驟：去平均值的中心化（平均值變成0）；變異數的規模化（變異數變成1）。

在sklearn.preprocessing中提供了一個scale的方法，可以實現以上功能。

下面舉個例子來看一下：

from sklearn import preprocessing
import numpy as np
# 创建一组特征数据，每一行表示一个样本，每一列表示一个特征
xx = np.array([[1., -1., 2.],
              [2., 0., 0.],
              [0., 1., -1.]])
# 将每一列特征标准化为标准正太分布，注意，标准化是针对每一列而言的
xx_scale = preprocessing.scale(xx)
xx_scale

經過對每列資料進行標準化處理之後的結果是：

array([[ 0.        , -1.22474487,  1.33630621],
       [ 1.22474487,  0.        , -0.26726124],
       [-1.22474487,  1.22474487, -1.06904497]])

可以看到，裡面的資料發生了變化，數值比較小，也許有人可以一眼看出來，看不出來也沒關係，Python可以很方便的計算他們的一些統計量。

 # 测试一下xx_scale每列的均值方差
 print('均值：', xx_scale.mean(axis=0))  # axis=0指列，axis=1指行
 print('方差：', xx_scale.std(axis=0))

上面已經介紹了標準化的是要將它轉換成什麼樣，結果的確吻合，按列求均值和方差的結果為：

均值： [0. 0. 0.]
方差： [1. 1. 1.]

當然對於標準化其方差和均值也不是一定要一起進行，例如有時候僅僅希望利於其中一個方法，也是有辦法的：

with_mean,with_std.這兩個都是布爾型的參數，默認情況下都是true,但也可以自訂成false.即不要均值中心化或不要方差規模化為1.

#熱圖

關於熱圖在這裡只簡單提一下，因為網路上關於它的資料已經很多很詳細了。

在熱圖中，資料以矩陣的形式存在，屬性範圍以顏色的漸變來表示，在這裡，使用pcolor繪製熱圖。

小栗子

還是從導庫開始，然後載入資料集，對資料進行處理，然後繪製圖像，並對圖像做一些標註裝飾等等。我習慣在程式碼中做註釋，如果有不懂的，可以留言，我會及時回覆。

# 导入后续所需要的库
from sklearn.datasets import load_iris
from sklearn.preprocessing import scale
import numpy as np
import matplotlib.pyplot as plt
# 加载数据集
data = load_iris()
x = data['data']
y = data['target']
col_names = data['feature_names']
# 数据预处理
# 根据平均值对数据进行缩放
x = scale(x, with_std=False)
x_ = x[1:26,] # 选取其中25组数据
y_labels = range(1, 26)
# 绘制热图
plt.close('all')
plt.figure(1)
fig, ax = plt.subplots()
ax.pcolor(x_, cmap=plt.cm.Greens, edgecolors='k')
ax.set_xticks(np.arange(0, x_.shape[1])+0.5) # 设置横纵坐标
ax.set_yticks(np.arange(0, x_.shape[0])+0.5)
ax.xaxis.tick_top() # x轴提示显示在图形上方
ax.yaxis.tick_left() # y轴提示显示在图形的左侧
ax.set_xticklabels(col_names, minor=False, fontsize=10) # 传递标签数据
ax.set_yticklabels(y_labels, minor=False, fontsize=10)
plt.show()

那麼繪製出來的圖像是什麼樣子的呢：

#上面簡單的幾步就把這些數據繪製出直覺的圖像，當然，在真正使用的時候不會這麼簡單，還需要多擴充知識。

#

以上是python中預處理以及熱圖的簡單介紹的詳細內容。更多資訊請關注PHP中文網其他相關文章！