web-dev-qa-db-fra.com

Normaliser un pandas DataFrame par rangée

Quel est le moyen le plus idiomatique de normaliser chaque rangée d’un DataFrame? La normalisation des colonnes est facile, donc une option (très moche!) Est:

(df.T / df.T.sum()).T

Les règles de diffusion des pandas empêchent df / df.sum(axis=1) de le faire

pythonpandasnormalizationdataframe
32
ChrisB

Pour résoudre le problème de la diffusion, vous pouvez utiliser la méthode div:

df.div(df.sum(axis=1), axis=0)

Voir http://pandas.pydata.org/pandas-docs/stable/basics.html#matching-broadcasting-behavior

75
joris

Je suggérerais d’utiliser le prétraitement Scikit bibliothèques et de transposer votre dataframe selon les besoins:

'''
Created on 05/11/2015

@author: rafaelcastillo
'''

import matplotlib.pyplot as plt
import pandas
import random
import numpy as np
from sklearn import preprocessing

def create_cos(number_graphs,length,amp):
    # This function is used to generate cos-kind graphs for testing
    # number_graphs: to plot
    # length: number of points included in the x axis
    # amp: Y domain modifications to draw different shapes
    x = np.arange(length)
    amp = np.pi*amp
    xx = np.linspace(np.pi*0.3*amp, -np.pi*0.3*amp, length)
    for i in range(number_graphs):
        iterable = (2*np.cos(x) + random.random()*0.1 for x in xx)
        y = np.fromiter(iterable, np.float)
        if i == 0: 
            yfinal =  y
            continue
        yfinal = np.vstack((yfinal,y))
    return x,yfinal

x,y = create_cos(70,24,3)
data = pandas.DataFrame(y)

x_values = data.columns.values
num_rows = data.shape[0]

fig, ax = plt.subplots()
for i in range(num_rows):
    ax.plot(x_values, data.iloc[i])
ax.set_title('Raw data')
plt.show() 

std_scale = preprocessing.MinMaxScaler().fit(data.transpose())
df_std = std_scale.transform(data.transpose())
data = pandas.DataFrame(np.transpose(df_std))


fig, ax = plt.subplots()
for i in range(num_rows):
    ax.plot(x_values, data.iloc[i])
ax.set_title('Data Normalized')
plt.show()
0
Rafa