Differenza tra R.scale() e sklearn.preprocessing.scale()

Question

Attualmente sto spostando l'analisi dei miei dati da R a Python. Quando ridimensiono un set di dati in R vorrei usare R.scale(), che nella mia comprensione farebbe quanto segue: (x-mean (x))/sd (x)

Per sostituire quella funzione ho provato a usare sklearn .preprocessing.scale(). Dalla mia comprensione della descrizione fa la stessa cosa. Ciononostante ho eseguito un piccolo file di test e ho scoperto che entrambi questi metodi hanno valori di ritorno diversi. Ovviamente le deviazioni standard non sono le stesse ... Qualcuno è in grado di spiegare perché le deviazioni standard "deviano" l'una dall'altra?

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_ 

uscita:

Answer 1

Sembra avere a che fare con il modo in deviazione standard viene calcolato.

>>> 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]) 

Da numpy.stddocumentation,

ddof: int, opzionali gradi

Mezzi Delta della Libertà. Il divisore utilizzato nei calcoli è Nddof, dove N rappresenta il numero di elementi. Di default ddof è zero.

A quanto pare, R.scale() usa ddof=1, ma sklearn.preprocessing.StandardScaler() usa ddof=0.

EDIT: (Per spiegare come utilizzare ddof alternativo)

Non sembra essere un modo semplice per calcolare std con ddof alternativo, senza accedere alle variabili dell'oggetto stesso StandardScaler().

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)