R.scale() 和 sklearn.preprocessing.scale() 之间的区别

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，我将使用 R.scale()，根据我的理解，它将执行以下操作：(x-mean(x))/sd(x)

为了替换该函数，我尝试使用 sklearn.preprocessing.scale()。根据我对描述的理解，它做了同样的事情。尽管如此，我运行了一些测试文件，发现这两种方法都有不同的返回值。显然标准差不一样......有人能够解释为什么标准差彼此“偏离”吗？

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_

Output:

这似乎与标准差的计算方式有关。

>>> 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])

From numpy.std 文档 http://docs.scipy.org/doc/numpy/reference/generated/numpy.std.html,

ddof ：整数，可选

表示自由度 Delta。计算中使用的除数是 N - ddof，其中 N 表示元素的数量。默认情况下 ddof 为零。

显然，R.scale() uses ddof=1, but sklearn.preprocessing.StandardScaler() uses ddof=0.

编辑：（解释如何使用备用 ddof）

似乎没有一种直接的方法可以在不访问 StandardScaler() 对象本身的变量的情况下使用替代 ddof 计算 std。

sc = StandardScaler()
sc.fit(data)
# Now, sc.mean_ and sc.std_ are the mean and standard deviation of the data
# Replace the sc.std_ value using std calculated using numpy
sc.std_ = numpy.std(data, axis=0, ddof=1)