Python 使用熊猫进行Z分数计算/标准化

我碰到这个，它让我很烦

基本上，在，他们通过以下代码段计算整个数据帧的Z分数：

df_z = (df - df.describle.T['mean'])/df.describle.T['std']

这是一条整齐美丽的线

但是，

df.descripble.T

看起来像，而

df

看起来像

df.descripable.T['mean']

和

df.descripable.T['std']

是两个独立的系列，它们以

df

列名称作为索引，以

descripable

统计参数作为列，而

df

是一个普通的

pd.DataFrame

，在正确的位置有数字索引和列名称

我的问题是：当它们根本不匹配时，这条线有什么意义，特别是，它们如何确保每个变量示例（x_i）都匹配它们的平均值或std

---

谢谢。

我看到了

（x-train_stats['mean']）/train_stats['std']

，这在我看来是有意义的。换位（.T）的发生只是因为在你的df和df中，可描述的行和列都发生了变化，没有旁注：这看起来像

T得分

，而不是

z得分

@Nils-Werner-see，

train\u stats=train\u stats.transpose（）

。即使它没有被转置，它对我来说也没有意义，因为我认为

df

-

series

，因为它们的行数相同，应该是逐行操作。而

descripe

返回具有

shape

（p，c）的df，其中

p

是参数的数量，

c

是列的数量。换句话说，即使它们被逐行减去，结果也没有任何意义，因为col_i不仅减去了它的意思，还减去了其他参数。