如何根据列值将标准化一分为二？答案

【问题标题】：How can I split my normalization in two according to column values?如何根据列值将标准化一分为二？
【发布时间】：2019-08-07 01:05:36
【问题描述】：

您好，我在 pandas 中有一个列数据分布严重偏斜：

我根据截止值 1000 将数据一分为二，这是两组的分布。

现在，我想用 0-1 之间的值进行标准化。我想执行“差分”归一化，即左面板值在 0-0.5 之间归一化，右面板值在 0.5 到 1 之间归一化，所有内容都在同一列中。我该怎么做？

【问题讨论】：

只是为了确定，因为拆分直方图是非常不寻常的：您是否有特定的理由采用这种方法，或者您只是想正确地可视化这个分布？如果您想要后者，请尝试将其绘制为对数 (plt.semilogy) 或双对数 (plt.loglog)
这不是可视化，原因是我试图将其转换为图像，将其转换为 0-255 范围。我希望低值和高值对图像的贡献或多或少达到相同的程度。
将单词放在引号中并不能神奇地阐明您没有写出的特殊含义。
@philipxy 好的，为其他人清除

标签： python-3.x pandas normalization distribution

【解决方案1】：

它不漂亮，但很有效。

df = pd.DataFrame({'dataExample': [0,1,2,1001,1002,1003]})

less1000 = df.loc[df['dataExample'] <= 1000]
df.loc[df['dataExample'] <= 1000, 'datanorm'] =  less1000['dataExample'] / (less1000['dataExample'].max() * 2)

high1000 = df.loc[df['dataExample'] > 1000]
df.loc[df['dataExample'] > 1000, 'datanorm'] =  ((high1000['dataExample'] - high1000['dataExample'].min()) / ((high1000['dataExample'].max() - high1000['dataExample'].min()) * 2) + 0.5)

output:
    dataExample datanorm
0   0   0.00
1   1   0.25
2   2   0.50
3   1001    0.50
4   1002    0.75
5   1003    1.00

【讨论】：

谢谢，接近...标准化没问题，但我应该得到一列包含所有值，然后得到两列。我需要两个以 1000 为条件的规范，都在同一列中。

【解决方案2】：

假设您的数据框称为df，保存数据的列称为data，保存计数的列称为counts。然后你可以这样做：

df['data_norm'] = df['data'].loc[df['counts']<=1000] / 1000 / 2
df['data_norm'] = df['data'].loc[df['counts']>1000] / df['counts'].max() + 0.5

...假设我理解正确。但我想我既不能正确理解你的问题，也不能正确理解你的解决方法。

【讨论】：