Python 在数据帧中使用z转换

我正在使用RetailRocket作为我的数据集。我为每个事件分配了一个值，view=1，addtocart=2，transaction=3。现在我想使用z变换来规范化这些值。不幸的是，我犯了一个错误。我的错在哪里

这是我的z变换代码：

df = df.sample(frac=1, random_state=42)
x = df[["visitorid", "itemid"]].values
#y = df["code"].values
y = df["code"].apply(lambda x: (x - x.mean()) / x.std()).values
# Assuming training on 90% of the data and validating on 10%.
train_indices = int(0.9 * df.shape[0])
x_train, x_val, y_train, y_val = (
    x[:train_indices],
    x[train_indices:],
    y[:train_indices],
    y[train_indices:],
)
print(y)

我用

numpy

找到了z变换的公式：

X = (X - X.mean()) / X.std()

错误：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-7-2712d78bf2a4> in <module>()
      2 x = df[["visitorid", "itemid"]].values
      3 #y = df["code"].values
----> 4 y = df["code"].apply(lambda x: (x - x.mean()) / x.std()).values
      5 # Assuming training on 90% of the data and validating on 10%.
      6 train_indices = int(0.9 * df.shape[0])

1 frames
pandas/_libs/lib.pyx in pandas._libs.lib.map_infer()

<ipython-input-7-2712d78bf2a4> in <lambda>(x)
      2 x = df[["visitorid", "itemid"]].values
      3 #y = df["code"].values
----> 4 y = df["code"].apply(lambda x: (x - x.mean()) / x.std()).values
      5 # Assuming training on 90% of the data and validating on 10%.
      6 train_indices = int(0.9 * df.shape[0])

AttributeError: 'int' object has no attribute 'mean'

---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在（）
2 x=df[[“visitorid”，“itemid”]]。值
3#y=df[“代码”]。数值
---->4 y=df[“代码”]。应用（λx:（x-x.mean（））/x.std（））值
5#假设对90%的数据进行培训，并对10%的数据进行验证。
6列指数=int（0.9*df.形状[0]）
1帧
pandas/_libs/lib.pyx在pandas中。_libs.lib.map_infere（）
in（x）
2 x=df[[“visitorid”，“itemid”]]。值
3#y=df[“代码”]。数值
---->4 y=df[“代码”]。应用（λx:（x-x.mean（））/x.std（））值
5#假设对90%的数据进行培训，并对10%的数据进行验证。
6列指数=int（0.9*df.形状[0]）
AttributeError:“int”对象没有属性“mean”

您可能需要：

y = (df["code"] - df["code"].mean() / df["code"].std().values

我喜欢这种方法：（高性能，如果您的数据集有15000行以上）

由于使用了

apply（lambda x:…）

，

x

将只是一个值。当您尝试对单个值使用

x.mean（）

时，将出现错误

相反，您要做的是在整个列中使用

mean

和

std

。使用

apply

，可以按如下方式执行：

col = 'code'
df['z_score'] = df[col].apply(lambda x: (x - df[col].mean()) / df[col].std())

但是，如果不使用

应用

，则速度更快：

df['z_score'] = (df[col] - df[col].mean())/df[col].std()

df['z_score'] = (df[col] - df[col].mean())/df[col].std()