Question

此帖子的继续： Pandas groupby in combination with sklearn preprocessing

我需要通过按两列缩放分组数据来进行预处理，因此第二种方法会出现一些错误

import pandas as pd
import numpy as np
from sklearn.preprocessing import robust_scale,minmax_scale

df = pd.DataFrame( dict( id=list('AAAAABBBBB'),
                loc = (10,20,10,20,10,20,10,20,10,20),
                value=(0,10,10,20,100,100,200,30,40,100)))

df['new'] = df.groupby(['id','loc']).value.transform(lambda x:minmax_scale(x.astype(float) ))

df['new'] = df.groupby(['id','loc']).value.transform(lambda x:robust_scale(x ))

第二个给我这样的错误：

ValueError：预期的2D数组，取而代之的是1D数组：array = [0. 10。 100]。如果数据具有单个功能，则使用array.reshape（-1，1）重整数据；如果包含单个特征，则使用array.reshape（1，-1）重整数据。单个样本。

如果我使用重塑，则会出现如下错误：

例外：数据必须是一维的

如果我打印出分组数据，则g['value']是熊猫系列。

for n, g in df.groupby(['id','loc']):
    print(type(g['value']))

你知道是什么原因造成的吗？

谢谢。

Answer 1

根据警告代码，您应添加reshape和concatenate

df.groupby(['id','loc']).value.transform(lambda x:np.concatenate(robust_scale(x.values.reshape(-1,1))))
Out[606]: 
0   -0.2
1   -1.0
2    0.0
3    1.0
4    1.8
5    0.0
6    1.0
7   -2.0
8   -1.0
9    0.0
Name: value, dtype: float64

熊猫groupby与sklean预处理相结合

1 个答案: