从numpy数组到熊猫数据数组，更改值。

Question

考虑以下代码：

dog = np.random.rand(10, 10)
frog = pd.DataFrame(dog, columns = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'])
from sklearn.preprocessing import StandardScaler
slog = StandardScaler()
mog = slog.fit_transform(frog.values)
frog[frog.columns] = mog

好的，现在我们应该有一个数据帧，它的值应该是标准的缩放数组。但是：

frog.describe()

给予：

[![describe the dataframe][1]][1]

注意，标准差为1.05

而

np.std(mog, axis=0)

给出了预期：

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

怎么回事？

Answer 1

由标准差方法计算的describe使用样本标准差，而StandardScaler使用总体标准差。两者之间唯一的区别是，与平均值的平方差之和是否除以n-1 (对于样本st )。(发展)或者n (流行音乐)。性病。)。

numpy.std计算种群st.dev.默认情况下，但是您可以使用它来计算示例st。dev.通过添加参数ddof=1，结果与describe计算的值一致。

In [54]: np.std(mog, axis=0, ddof=1)
Out[54]: 
array([1.05409255, 1.05409255, 1.05409255, 1.05409255, 1.05409255,
       1.05409255, 1.05409255, 1.05409255, 1.05409255, 1.05409255])