Python 熊猫-神经网络的快速数据帧转换（“gausrank”）

首先，谢谢你的帮助

我有大熊猫数据帧，我需要每个列的快速秩转换：

1] 如果列仅为0-1，则不执行任何操作

2] 每列的else：

a] 在列中查找唯一的值

b] 分类

c] 对于列的每个元素，将其值替换为排序唯一排序列表中的位置

可选：

d] 将此新值转换为间隔[-0.99，0.99]

e] 将scipy.special.erfinv应用于每个元素以获得正态分布

当我需要注意速度的时候，我该如何处理熊猫呢

---

Thanx

获取仅包含0或1的列：

将列类型转换为分类可以方便地处理步骤a、b和c：

df.some_column.astype('category').cat.codes

不幸的是，这似乎需要在列上循环应用，但是如果没有太多的列，这应该仍然相当快

只需减去每列的最小值，再除以最大值，即可完成重缩放。但是，由于每列的最小值为0，因此第一步是多余的

Scipy的erfinv可以只接受一个数据帧作为输入。但是，这些值必须介于-1和1之间（独占）。所以这个范围会更小

综合所有 结果是以下数据帧：

       val1      val2  val3
0 -2.751064 -0.304538     0
1 -0.304538  0.304538     1
2  0.304538 -2.751064     0
3  2.751064  2.751064     1

---

获取仅包含0或1的列：

将列类型转换为分类可以方便地处理步骤a、b和c：

df.some_column.astype('category').cat.codes

不幸的是，这似乎需要在列上循环应用，但是如果没有太多的列，这应该仍然相当快

只需减去每列的最小值，再除以最大值，即可完成重缩放。但是，由于每列的最小值为0，因此第一步是多余的

Scipy的erfinv可以只接受一个数据帧作为输入。但是，这些值必须介于-1和1之间（独占）。所以这个范围会更小

综合所有 结果是以下数据帧：

       val1      val2  val3
0 -2.751064 -0.304538     0
1 -0.304538  0.304538     1
2  0.304538 -2.751064     0
3  2.751064  2.751064     1

---

如果列仅为0-1。这只是在[0到1]之间浮动还是只在0到1s之间浮动？如果列仅为0-1，则它只是二进制的0或1。这只是在区间[0到1]内浮动还是只在0和1之间浮动？它只是二进制的0或1这是完美的！正是我需要的，非常感谢这太完美了！正是我需要的，非常感谢