sklearn.preprocessing.RobustScaler（解释和原理，分位数，四分位差）

提示：sklearn.preprocessing.RobustScaler（解释和原理，分位数，四分位差）

文章目录

• • @[TOC](文章目录)
• 一、RobustScaler 是什么？
• 二、代码
• • 1.代码
  • 2.输出结果
• 总结

提示：以下是本篇文章正文内容，下面案例可供参考

一、RobustScaler 是什么？

RobustScaler 的居中和缩放统计基于百分位数，因此不会受到少数非常大的边缘异常值的影响。
计算公式如下（具体计算公式以官网提供的代码为准）：

value_result = (value-Media)/(Q1-Q3)
Q1的位置 = 1 * （n + 1) / 4
Q3的位置 =  3 *（n + 1) / 4
n : 表示数据的个数。
media : 中位数
Q1 : 是第 1 个四分位数（第 25 个分位数）
Q3 : 第 3 个四分位数（第 75 个分位数）
1
2
3
4
5
6
7

二、代码

1.代码

import pandas as pd
from sklearn.preprocessing import RobustScaler

data = pd.DataFrame(
    {
        'a': [1, 2, 3, 4, 6, 5, 6],
        'b': [5, 6, 6, 5, 6, 5, 6],
        'c': [9, 100, 2, 6, 5, 6, 8]
    }
)
print(data.values)

robustlizer = RobustScaler(quantile_range=(25.0, 75.0))
robustlizer_data = robustlizer.fit_transform(data)
print(robustlizer.get_params())
print(robustlizer_data)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

2.输出结果

[[  1   5   9]
 [  2   6 100]
 [  3   6   2]
 [  4   5   6]
 [  6   6   5]
 [  5   5   6]
 [  6   6   8]]
{'copy': True, 'quantile_range': (25.0, 75.0), 'unit_variance': False, 'with_centering': True, 'with_scaling': True}
[[-1.         -1.          1.        ]
 [-0.66666667  0.         31.33333333]
 [-0.33333333  0.         -1.33333333]
 [ 0.         -1.          0.        ]
 [ 0.66666667  0.         -0.33333333]
 [ 0.33333333 -1.          0.        ]
 [ 0.66666667  0.          0.66666667]]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

第一列数据：【1,2,3,4,6,5,6】，重排列：1，2，3，4，5，6，6
media=4
Q1的位置 =（n + 1) / 4 = （7+1）/ 4 = 2，则Q1 = 2，同理Q3 =6
value_result[0] = （1-4）/(6-3)=-1
其他同理

总结

1，由于中位数的选取和分位点的选取规则不一样，可能导致不同的结果，尤其在处理的数据较少时，可能影响较大。
2，根据Q1，Q3的计算公式可得，有时候计算的为分数，所以在这个时候Q1和Q3的取法可能有很大的不同。
3，当数据量足够，数据较密集时，可以看到和计算公式就很吻合。