本文整理汇总了Python中sklearn.preprocessing.MinMaxScaler.reset_index方法的典型用法代码示例。如果您正苦于以下问题:Python MinMaxScaler.reset_index方法的具体用法?Python MinMaxScaler.reset_index怎么用?Python MinMaxScaler.reset_index使用的例子?那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类sklearn.preprocessing.MinMaxScaler
的用法示例。
在下文中一共展示了MinMaxScaler.reset_index方法的1个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: ska_transform
# 需要导入模块: from sklearn.preprocessing import MinMaxScaler [as 别名]
# 或者: from sklearn.preprocessing.MinMaxScaler import reset_index [as 别名]
def ska_transform():
ska_list = open_query("SkillsKnowledgeAbilities")
data_list = pd.DataFrame([item[3:] for item in ska_list])
data_list_std = StandardScaler().fit_transform(data_list)
std_df = pd.DataFrame(data_list_std, index=[(item[:3]) for item in ska_list])
pca_std = PCA(n_components=7)
pca_std.fit_transform(data_list_std)
identity = np.identity(data_list.shape[1])
coef = pca_std.transform(identity)
coef_df = pd.DataFrame(coef, columns=['Critical Thinking',
'Service Orientation',
'STEM',
'Organizational Skill',
'Situational Awareness',
'General Knowledge',
'Aesthetic Sense',
])
dot_product = std_df.dot(coef_df)
normalized_dot_product = MinMaxScaler().fit_transform(dot_product)
multi_index = pd.MultiIndex.from_tuples([(item[:3]) for item in ska_list], names=["onetsoc_code", "title", "description"])
normalized_dot_product = pd.DataFrame(normalized_dot_product, columns=list(dot_product), index=multi_index)
return normalized_dot_product.reset_index().values.tolist()