python 数据预处理和pandas sklearn

import pandas as pd
import numpy as np
from sklearn import preprocessing,linear_model,metrics


data = pd.DataFrame({'pet': ['cat', 'dog', 'dog', 'fish', 'cat', 'dog', 'cat', 'fish'],
                    'children': [4., 6, 3, 3, 2, 3, 5, 4],
                    'salary': [90, 24, 44, 27, 32, 59, 36, 27]})
                   
lb = preprocessing.LabelBinarizer()
#标签二值化（Label binarization）
#LabelBinarizer通常用于通过一个多类标签（label）列表，创建一个label指示器矩阵
pdlb=pd.DataFrame(lb.fit_transform(data['pet']),columns=['cat','dog','fish'])
#横向合并
data=pd.concat([data,pdlb],axis=1)
#数据标准化(Standardization or Mean Removal and Variance Scaling)
#scale进行标准化缩放的数据均值为0，具有单位方差。
data['children']=preprocessing.scale(data['children'])
#数据规范化（Normalization）
#把数据集中的每个样本所有数值缩放到(-1,1)之间。
#X_normalized = preprocessing.normalize(X, norm='l2')
#二进制化（Binarization）
#将数值型数据转化为布尔型的二值数据，可以设置一个阈值（threshold）
#binarizer = preprocessing.Binarizer(threshold=1.1) # 设定阈值为1.1 


#scikit-learn要求X是一个特征矩阵，y是一个NumPy向量
#X可以是pandas的DataFrame，y可以是pandas的Series，scikit-learn可以理解这种结构
X=data[['children','salary','cat','dog','fish']]
y=data['salary']

mlr = linear_model.LinearRegression()
mlr.fit(X,y)