将多个 StandardScaler 应用于单个组？

Question

是否有一种 pythonic 方法可以将 sklearn 的 StandardScaler 实例链接在一起以独立地按组缩放数据？即，如果我想找到独立缩放 iris 数据集的特征；我可以使用以下代码：from sklearn.datasets import load_irisdata = load_iris()df = pd.DataFrame(data['data'], columns=data['feature_names'])df['class'] = data['target']means = df.groupby('class').mean()stds = df.groupby('class').std()df_rescaled = (    (df.drop(['class'], 1) - means.reindex(df['class']).values) /      stds.reindex(df['class']).values)在这里，我分别减去平均值并除以每个组的标准差。但是它有点难以实现这些手段和标准差，并且基本上复制了StandardScaler当我有一个我想要控制的分类变量时的行为。有没有更pythonic / sklearn友好的方式来实现这种类型的缩放？

Answer 1

当然，您可以使用任何sklearn操作并将其应用于groupby对象。

首先，一个方便的包装器：

import typing

import pandas as pd

class SklearnWrapper:

    def __init__(self, transform: typing.Callable):

        self.transform = transform

    def __call__(self, df):

        transformed = self.transform.fit_transform(df.values)

        return pd.DataFrame(transformed, columns=df.columns, index=df.index)

这将应用sklearn您传递给它的任何变换到一个组。

最后简单的用法：

from sklearn.datasets import load_iris

from sklearn.preprocessing import StandardScaler

data = load_iris()

df = pd.DataFrame(data["data"], columns=data["feature_names"])

df["class"] = data["target"]

df_rescaled = (

    df.groupby("class")

    .apply(SklearnWrapper(StandardScaler()))

    .drop("class", axis="columns")

)

编辑：你几乎可以用SklearnWrapper. 这是为每个组转换和反转此操作的示例（例如，不要覆盖转换对象） - 每次看到新组时只需重新拟合对象（并将其添加到list）。

sklearn's为了更容易使用，我复制了一些功能（您可以通过将适当的传递string给_call_with_function内部方法来使用您想要的任何功能扩展它）：

class SklearnWrapper:

    def __init__(self, transformation: typing.Callable):

        self.transformation = transformation

        self._group_transforms = []

        # Start with -1 and for each group up the pointer by one

        self._pointer = -1

    def _call_with_function(self, df: pd.DataFrame, function: str):

        # If pointer >= len we are making a new apply, reset _pointer

        if self._pointer >= len(self._group_transforms):

            self._pointer = -1

        self._pointer += 1

        return pd.DataFrame(

            getattr(self._group_transforms[self._pointer], function)(df.values),

            columns=df.columns,

            index=df.index,

        )

    def fit(self, df):

        self._group_transforms.append(self.transformation.fit(df.values))

        return self

    def transform(self, df):

        return self._call_with_function(df, "transform")

    def fit_transform(self, df):

        self.fit(df)

        return self.transform(df)

    def inverse_transform(self, df):

        return self._call_with_function(df, "inverse_transform")

用法（组变换，逆运算并再次应用）：

data = load_iris()

df = pd.DataFrame(data["data"], columns=data["feature_names"])

df["class"] = data["target"]

# Create scaler outside the class

scaler = SklearnWrapper(StandardScaler())

# Fit and transform data (holding state)

df_rescaled = df.groupby("class").apply(scaler.fit_transform)

# Inverse the operation

df_inverted = df_rescaled.groupby("class").apply(scaler.inverse_transform)

# Apply transformation once again

df_transformed = (

    df_inverted.groupby("class")

    .apply(scaler.transform)

    .drop("class", axis="columns")

)

Answer 2

我更新了@Szymon Maszke 代码：

class SklearnWrapper:

def __init__(self, transformation: typing.Callable):

    self.transformation = transformation

    self._group_transforms = []

    # Start with -1 and for each group up the pointer by one

    self._pointer = -1

def _call_with_function(self, df: pd.DataFrame, function: str):

    # If pointer >= len we are making a new apply, reset _pointer

    if self._pointer == len(self._group_transforms)-1 and function=="inverse_transform":

        self._pointer = -1

    self._pointer += 1

    print(self._pointer)

    return pd.DataFrame(

        getattr(self._group_transforms[self._pointer], function)(df.values),

        columns=df.columns,

        index=df.index,

    )

def fit(self, df):

    scaler = copy(self.transformation)

    self._group_transforms.append(scaler.fit(df.values))

    return self

def transform(self, df):

    return self._call_with_function(df, "transform")

def fit_transform(self, df):

    self.fit(df)

    return self.transform(df)

def inverse_transform(self, df):

    return self._call_with_function(df, "inverse_transform")

StandardScaler()中没有正确存储_group_transforms，所以我创建了一个副本（使用副本库）并存储它（也许使用 OOP 有更好的方法来做到这一点）。