规范化pandas数据帧的每一列中的值

Question

我有一个庞大的数据框，并试图找出最有效的方法来规范化列中的每个值，然后使用mean和std.dev遍历所有列。

数据框的示例如下：

    TimeStamp          340          341          342          343       
0    10:27:30     1.953036     2.110234     1.981548     1.705684  
1    10:28:30     1.973408     2.046361     1.806923     1.496244   
2    10:29:30     0.000000     0.000000     0.014881     0.198947   
3    10:30:30     2.567976     3.169928     3.479591     3.557881   
4    10:31:30  4415.498729  5075.996948  5653.925541  6133.202200   
5    10:32:30  4473.930295  5146.802497  5736.030854  6224.380260

我想： 找到col [“340”]的平均值：

    for column in df.iteritems():
df.mean()
df.std()

...进一步计算正常化

然而，我对熊猫非常新，但它不起作用...... :( 我可以找到每个col的平均值，但我有2500个cols

Answer 1

如果您希望规范化数据，那么您可以执行此操作

(df.iloc[:,1:] - df.mean().values)/df.std().values

假设你想做（X-mean）/标准偏差归一化。注意：df.loc[]曾用于免除TimeStamp的第一列...