x.fit()、x.transform()、x.fit_tran

在sklearn中，有很多算法（比如PCA、StandarScaler等，本文中算法用‘x’代替）都有x.fit()、x.transform()、x.fit_transform()三个函数，这三者究竟有什么关系？

Note：

x.transform()必须在x.fit()或x.fit_transform()后使用，否则报错，说明前者是依赖于后二者的。
（实际上后二者主要是从数据中提取需要的“参数”，而x.transform()则是利用这些参数对原数据或其他数据做相应的处理）。

使用方法1：

第1步：x.fit(trainData)：（无返回值），主要就是根据trainData计算相应的参数，比如对于StandarScaler方法，fit会计算trainData的均值、方差等，并保存在x中，留做后用（注意：x.fit(trainData)只是根据trainData计算需要的参数，并不会对trainData做任何处理）；
第2步：result1 = x.transform(trainData)：（有返回值），根据第1步得到的参数，对源数据trainData进行处理，这一步才是根据参数对数据进行处理；
第3步：result2 = x.transform(newData)：（有返回值），根据第1步计算得到的参数，对新数据newData进行处理。
（第2、3步本质上一样，这么做就能保证newData与trainData是在相同的标准下进行的数据转换。）

使用方法2：

第1步：result1 = x.fit_transform(trainData)：（有返回值），将前面的x.fit()和x.transform()合并成了一步，但还是会先根据trainData计算参数并保存在x中，然后再根据参数对trianData进行处理；
第2步：result2 = x.transform(newData)：（有返回值），根据得到的参数对newData进行处理，得到result2；

注意：
result = x.fit_transform(trainData)之后再执行result = x.fit_transform(newData)，虽然能得到结果，但是这么做trainData和newData是在各自的参数（标准）下进行的处理，两者没有任何联系，如果trainData和newData需要在相同的标准下进行处理，则这么写是错误的，应该避免。

示例：

公共部分：

# 导入包
from sklearn.preprocessing import StandardScaler
# 定义数据
trainData = np.array([[-7,2,3],[4,5,6],[0,1,-8]])
newData = np.array([[-3,0,1],[-10,2,-7],[5,-9,8]])

使用方法1：

scaler = StandardScaler()  # 生成一个标准化对象scaler
scaler.fit(trainData)  # 利用scaler的fit()函数计算trainData的均值、方差（相当于拿trainData做标准）
y1 = scaler.transform(trainData)  # 将标准应用于trainData
y2 = scaler.transform(newData)  # 将标准应用于newData
print(y1)
print(y2)
[[-1.31982404 -0.39223227  0.44307902]
 [ 1.09985336  1.37281295  0.94154292]
 [ 0.21997067 -0.98058068 -1.38462194]]
[[-0.43994135 -1.56892908  0.11076976]
 [-1.97973605 -0.39223227 -1.21846731]
 [ 1.31982404 -6.86406473  1.27385218]]

# 如果newData基于自己进行标准化，则结果y22与前面的y2是有一些差异的
scaler.fit(newData)
y22 = scaler.transform(newData)
print(y22)
[[-0.05439283  0.48771311  0.05439283]
 [-1.19664225  0.90575292 -1.25103507]
 [ 1.25103507 -1.39346603  1.19664225]]

使用方法2：

# 直接用fit_transform()
scaler = StandardScaler()
y1 = scaler.fit_transform(trainData)
y2 = scaler.transform(newData)
print(y1)
print(y2)
[[-1.31982404 -0.39223227  0.44307902]
 [ 1.09985336  1.37281295  0.94154292]
 [ 0.21997067 -0.98058068 -1.38462194]]
[[-0.43994135 -1.56892908  0.11076976]
 [-1.97973605 -0.39223227 -1.21846731]
 [ 1.31982404 -6.86406473  1.27385218]]
# 这里的y1和y2和方法1得到的y1和y2完全一样

# 直接对newData应用fit_transform()，这就相当于利用newData自己的标准，跟前面没啥关系，结果y22与这里的y2有差异，但和前面的y22相等。
y22 = scaler.fit_transform(newData)
print(y22)
[[-0.05439283  0.48771311  0.05439283]
 [-1.19664225  0.90575292 -1.25103507]
 [ 1.25103507 -1.39346603  1.19664225]]