[Python] scaler() vs. StandardScaler()

sklearn.preprocessing.scale

: standardize a dataset along any axis.

from sklearn.preprocessing import scale
v = np.array([[1,2],[3,4]])
b = scale(v,axis=0)  # 열별 scaling
>> array([[-1., -1.],
          [1. , 1.]])

np.mean(v, axis=0)  # array([2., 3.])
np.std(v, axis=0)   # array([1., 1.])
(v-np.mean(v,axis=0))/np.std(v, axis=0)
>> array([[-1., -1.],
          [1.,  1.]])

scale()은 axis값에 따라 scaling하는 것을 알 수 있다.
위의 경우 axis=0인 scale함수와 실제로 열별로 평균과 표준편차를 계산해 스케일링 한 값이랑 일치한다.
데이터프레임 column별 스케일링이 필요할 때 사용할 수 있을 것 같다.

vs.

sklearn.preprocessing.StandardScaler

: Standardize features by removing the mean and scaling to unit variance.

from sklearn.preprocessing import StandardScaler
v = np.array([[1,2],[3,4]])
# StandardScaler
scaler = StandardScaler()
scaler.fit(v)
scaler.transform(v)
>> array([[-1., -1.],
          [1.,  1.]])

scaler(axis=0)인 경우와 StandardScaler()는 같은 결과를 낸다. 둘 다 똑같이 column별로 표준화해주는 역할을 한다.

다만, scaler()는 axis=1로 설정하므로써 row별로 표준화한 것도 가능하다. 물론 나의 짧은 경험으론,, 잘 쓰이진 않을 것 같다!

reference : https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html#sklearn.preprocessing.StandardScaler
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.scale.html#sklearn.preprocessing.scale