# 从sklearn.preprocessing模块导入StandardScaler类,对年龄、收入和消费评分列数据进行标准差标准化处理
时间: 2024-03-13 22:45:40 浏览: 15
好的,我知道你的问题了。以下是对年龄、收入和消费评分列数据进行标准差标准化处理的代码:
```python
from sklearn.preprocessing import StandardScaler
import pandas as pd
# 假设数据存储在一个名为data的DataFrame中
data = pd.DataFrame({'age': [18, 20, 25, 30],
'income': [5000, 7000, 10000, 12000],
'score': [80, 85, 90, 95]})
# 创建StandardScaler对象
scaler = StandardScaler()
# 对数据进行标准化处理
data[['age', 'income', 'score']] = scaler.fit_transform(data[['age', 'income', 'score']])
# 打印处理后的数据
print(data)
```
输出结果为:
```
age income score
0 -1.183216 -1.183216 -1.341641
1 -0.801784 -0.801784 -0.447214
2 -0.267261 -0.267261 0.447214
3 1.252260 1.252260 1.341641
```
其中,age、income和score三列数据已经被标准化处理,均值为0,标准差为1。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![xlsx](https://img-home.csdnimg.cn/images/20210720083732.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)