为什么我们需要将数据的转置传递给 sklearn StandardScaler()？答案

【问题标题】：Why do we need to pass the transpose of a data into sklearn StandardScaler()?为什么我们需要将数据的转置传递给 sklearn StandardScaler()？
【发布时间】：2021-10-09 04:35:42
【问题描述】：

我有一组数据，每一行代表一个基因，每一列代表一个样本。

我想先对其进行规范化，然后对其执行 PCA。我上网google了一下，发现我们需要将数据帧的转置传递到sklearn.preprocessing.StandardScaler()函数中。

这是我现在的代码：

scale_df = sklearn.preprocessing.StandardScaler().fit_transform(df.iloc[:, 1:col].T)

pca = sklearn.decomposition.PCA()
pca_data = pca.fit_transform(scale_df.T)

这是我不确定的部分。首先，为什么我们需要将数据的转置传递给 StandardScaler()？其次，我们将数据的转置传入其中后，我们得到的缩放后的数据帧仍然是转置的，这会不会影响我们的PCA结果？我们是否应该在将其传递给 PCA 之前将其转回正常状态？

【问题讨论】：

标签： python machine-learning scikit-learn normalization pca

【解决方案1】：

scikit-learn 库遵循一个惯例，行代表观察单位（人、产品、国家等），列代表不同的特征（身高、体重、金钱等）。由于您的数据在每一列中都有一个样本（我认为这是观察单位），因此您需要转置数据以采用约定。

您不需要转置反向缩放的数据，因为 StandardScalar 和 PCA（以及大多数 scikit-learn 类）都遵循相同的约定（以行为单位）。

【讨论】：

您好，感谢您的评论！我很困惑，我对生物医学领域不太熟悉。我想问一下，在我的数据集中，基因是观察单位还是特征？
这取决于您的研究设计。我猜基因代表了这里的特征，因为另一个维度（列）是样本。我的猜想是每个样本都有很多基因信息，你想用 PCA 压缩它们。