Python中應(yīng)用Winsorize縮尾處理的操作經(jīng)驗(yàn)
最近搞數(shù)據(jù)時(shí)發(fā)現(xiàn)，縮尾時(shí)本來是空值或者無效值的地方被填補(bǔ)了數(shù)據(jù)。傳統(tǒng)的研究會將空值剔除后再進(jìn)行縮尾，但一些不需要剔除空值的數(shù)據(jù)集需要剔除極端值，因而不能省略縮尾。結(jié)合自己的操作經(jīng)驗(yàn)做些記錄：
以保存在Excel中的數(shù)據(jù)為例：
from scipy.stats.mstats import winsorize
import pandas as pd
df = pd.read_excel('Excel.xlsx', engine='openpyxl', header=0)
df_list=["a","b","c"]#需要進(jìn)行縮尾的列名
1：直接應(yīng)用Winsorize，不考慮空值和無效值，縮尾結(jié)果可能導(dǎo)致部分空值被填充數(shù)據(jù)
for i in df_list():
df[i]=winsorize(df[i],limits=[0.01, 0.01])#對指定列中的連續(xù)數(shù)據(jù)進(jìn)行1%和99%的縮尾（Winsorize）處理
2.1：屏蔽空值和無效值，僅對其他值進(jìn)行Winsorize處理，縮尾結(jié)果不改變原來的空值和無效值
for i in df_list():
df[i]=np.where(df[i].isnull(), np.nan, winsorize(np.ma.masked_invalid(df[i]),limits=(0.01,0.01)))
#np.where(condition, x, y),滿足condition是x，否則y
#此處判斷是否空值，是的話為空，否的話進(jìn)行屏蔽空值和無效值的1%和99%縮尾處理
2.2：winsorize提供的參數(shù)，但這個(gè)方法我沒有成功…僅供參考
for i in df_list():
df[i]=winsorize(df[i],limits=[0.01, 0.01], nan_policy='omit')
3：屏蔽空值和無效值，對所有值進(jìn)行Winsorize處理，縮尾結(jié)果不改變原來的空值和無效值，與方法2的區(qū)別在于方法3沒有改變需要縮尾的數(shù)據(jù)長度
for i in df_list():
mask = df[i].notna()
df.loc[mask,i] = winsorize(df[i].loc[mask],limits=[0.01, 0.01])
#這個(gè)mask就是一個(gè)bool index,指示哪些位置上是nan
#比如一列數(shù)據(jù)是[1, NaN, 2],如果用df['A'].isnan()得到的就是一個(gè)[False, True, False]的數(shù)組
#這個(gè)數(shù)組就是所謂的mask，它可以把dataframe中的特定數(shù)據(jù)挑出來
我碰到后續(xù)描述性統(tǒng)計(jì)有負(fù)無窮值的問題，因而將其替換為空值
#如果需要將無窮值換為空值 df=df.replace(-np.Inf,np.NaN)
（在此鳴謝不厭其煩給我提供參考的張老師、李老師、孫老師?。?/p>
參考文章：
1.Winsorize的正確方法但在Python中忽略nan
2.有關(guān)numpy.ma.masked_invalid的用法
總結(jié)
到此這篇關(guān)于Python中應(yīng)用Winsorize縮尾處理的文章就介紹到這了,更多相關(guān)Python應(yīng)用Winsorize縮尾內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python實(shí)現(xiàn)爬取某站視頻彈幕并繪制詞云圖
這篇文章主要介紹了利用Python爬取某站的視頻彈幕，并將其繪制成詞云圖，文中的示例代碼講解詳細(xì)，對我學(xué)習(xí)Python爬蟲有一定的幫助，需要的朋友可以參考一下2021-12-12
這篇文章主要介紹了Python判斷文件和文件夾是否存在的方法,本文還講解了判斷是否為文件或者目錄的方法、os.path.lexist的作用、FTP中判斷文件或目錄是否存在等內(nèi)容,需要的朋友可以參考下2015-05-05
基于Python實(shí)現(xiàn)西西成語接龍小助手
成語接龍是中華民族傳統(tǒng)的文字游戲。本文將用Python制作一個(gè)簡單的成語接龍小程序，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下2022-08-08
這篇文章主要介紹了Python自定義簡單圖軸簡單實(shí)例，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
這篇文章主要為大家詳細(xì)介紹了PyQt5每天必學(xué)之切換按鈕的相關(guān)資料，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-04-04
python3的數(shù)據(jù)類型及數(shù)據(jù)類型轉(zhuǎn)換實(shí)例詳解
在本文里小編給大家分享的是關(guān)于python3的數(shù)據(jù)類型及數(shù)據(jù)類型轉(zhuǎn)換以及相關(guān)實(shí)例內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2019-08-08
Python中布爾值(Booleans)表示以下兩個(gè)值之一：True或False。本文主要介紹布爾值(Booleans)的使用，和使用時(shí)需要注意的地方，需要的可以參考一下2023-02-02
詳解Django+Uwsgi+Nginx 實(shí)現(xiàn)生產(chǎn)環(huán)境部署
這篇文章主要介紹了詳解Django+Uwsgi+Nginx 實(shí)現(xiàn)生產(chǎn)環(huán)境部署，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-11-11
pandas多層索引的創(chuàng)建和取值以及排序的實(shí)現(xiàn)
這篇文章主要介紹了pandas多層索引的創(chuàng)建和取值以及排序的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要介紹了簡單了解django處理跨域請求最佳解決方案,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-03-03