R.scale（）和sklearn.preprocessing.scale()

Question

我目前正在将数据分析从R转移到Python。当在R中缩放数据集时，我会使用R.scale（），我的理解是这样做的：（x-mean（x））/sd（x）

来替换我试图使用的函数sklearn.preprocessing.scale(). 从我对描述的理解来看，它也做了同样的事情。尽管如此，我运行了一个小测试文件并发现，这两个方法都有不同的返回值。显然，标准差是不一样的。。。有人能解释为什么标准偏差彼此“偏离”？在

MWE:

# import packages
from sklearn import preprocessing
import numpy
import rpy2.robjects.numpy2ri
from rpy2.robjects.packages import importr
rpy2.robjects.numpy2ri.activate()
# Set up R namespaces
R = rpy2.robjects.r


np1 = numpy.array([[1.0,2.0],[3.0,1.0]])
print "Numpy-array:"
print np1

print "Scaled numpy array through R.scale()"
print R.scale(np1)
print "-------"
print "Scaled numpy array through preprocessing.scale()"
print preprocessing.scale(np1, axis = 0, with_mean = True, with_std = True)
scaler = preprocessing.StandardScaler()
scaler.fit(np1)
print "Mean of preprocessing.scale():"
print scaler.mean_
print "Std of preprocessing.scale():"
print scaler.std_

输出：

Answer 1

R.scale文档说明：

The root-mean-square for a (possibly centered) column is defined as sqrt(sum(x^2)/(n-1)), where x is a vector of the non-missing values and n is the number of non-missing values. In the case center = TRUE, this is the same as the standard deviation, but in general it is not. (To scale by the standard deviations without centering, use scale(x, center = FALSE, scale = apply(x, 2, sd, na.rm = TRUE)).)

但是，sklearn.preprocessing.StandardScale总是按标准差缩放。在

在我的例子中，我想在Python中复制R.scale而不使用centered，我以一种稍微不同的方式遵循了@Sid advice：

import numpy as np

def get_scale_1d(v):
    # I copy this function from R source code haha
    v = v[~np.isnan(v)]
    std = np.sqrt(
        np.sum(v ** 2) / np.max([1, len(v) - 1])
    )
    return std

sc = StandardScaler()
sc.fit(data)
sc.std_ = np.apply_along_axis(func1d=get_scale_1d, axis=0, arr=x)
sc.transform(data)

Answer 2

这似乎与如何计算标准差有关。在

>>> import numpy as np
>>> a = np.array([[1, 2],[3, 1]])
>>> np.std(a, axis=0)
array([ 1. ,  0.5])
>>> np.std(a, axis=0, ddof=1)
array([ 1.41421356,  0.70710678])

从numpy.stddocumentation

ddof : int, optional

Means Delta Degrees of Freedom. The divisor used in calculations is N - ddof, where N represents the number of elements. By default ddof is zero.

显然，R.scale()使用ddof=1，但是{}使用{}。在

编辑：（解释如何使用备用ddof）

在不访问StandardScaler（）对象本身的变量的情况下，似乎没有一种简单的方法可以使用备用ddof计算std。在

^{pr2}$