Python 使用scipy或sklearn缩放两个矩阵

我想缩放一个矩阵X1（按列），然后使用缩放X1时发现的平均值和标准偏差缩放另一个矩阵X2

据我所知，sklearn在缩放矩阵时不返回均值/方差。在没有我实施的情况下，是否有其他方法

例如：
X1

X2

将

X2[i][j]

替换为

（X2[i][j]-平均值[X1[：，i]]]/std[X1[：，i]

sklearn预处理的比例函数不能使用，因为它不返回均值和方差

使用

.std（）

和

.mean（）

方法接受

axis

参数来计算行/列统计数据，其余将由boardcasting处理：

In [170]:

X1
Out[170]:
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
In [171]:

X2
Out[171]:
array([[12, 13, 14, 15],
       [16, 17, 18, 19]])
In [172]:

(X2-X1.mean(0))/X1.std(0)
Out[172]:
array([[ 2.14330352,  2.14330352,  2.14330352,  2.14330352],
       [ 3.3680484 ,  3.3680484 ,  3.3680484 ,  3.3680484 ]])

从scikit学习处理这一点，和角落的情况，相当好

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(X1)
output = scaler.transform(X2)

如有必要，可以使用访问要素列的平均值和标准偏差

scaler.std_
scaler.mean_

---

您还可以使用管道中的StandardScaler作为估计器之前的预处理。

您能否举例说明按列缩放矩阵的意义，以及X2的外观？缩放意味着使用该列的平均值及其标准偏差对X1的每列进行规范化问题是您必须手动处理列的所有值均为零的情况。我试图找到一个函数，它不仅在列的所有值==0时自动执行，只要该列中的值都是相同的值，方差将为0，转换将导致

+inf

。不知道在这种情况下你想怎么做。

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(X1)
output = scaler.transform(X2)

scaler.std_
scaler.mean_