如何用Pandas实现SAS Proc Standard的标准化功能

SAS的Proc Standard是用于数据标准化的过程，能够将指定变量的取值调整为用户设定的均值和标准差，常用于消除不同变量量纲差异对后续分析的影响。Pandas作为Python生态中主流的数据处理工具，同样可以灵活实现这类标准化逻辑。

SAS Proc Standard的核心逻辑

SAS Proc Standard的标准化公式如下：

新变量值 = (原变量值 - 原变量均值) / 原变量标准差 * 目标标准差 + 目标均值

其中目标均值和目标标准差由用户手动指定，若未指定则默认目标均值为0，目标标准差为1，此时就是常见的Z-score标准化。

Pandas实现标准化功能的步骤

1. 准备测试数据

首先构造一份和SAS中常用的测试数据集结构类似的DataFrame，方便后续对比效果：

import pandas as pd
import numpy as np

# 构造测试数据，包含id和两个需要标准化的数值变量
data = {
    'id': [1, 2, 3, 4, 5],
    'var1': [10, 20, 30, 40, 50],
    'var2': [5, 15, 25, 35, 45]
}
df = pd.DataFrame(data)
print("原始数据：")
print(df)

2. 实现通用标准化函数

根据SAS Proc Standard的公式，封装一个通用的标准化函数，支持指定目标均值和目标标准差：

def pandas_standardize(df, cols, target_mean=0, target_std=1):
    """
    用Pandas实现SAS Proc Standard的标准化功能
    :param df: 原始DataFrame
    :param cols: 需要标准化的列名列表
    :param target_mean: 目标均值，默认0
    :param target_std: 目标标准差，默认1
    :return: 标准化后的新DataFrame
    """
    result_df = df.copy()
    for col in cols:
        # 计算原变量的均值和标准差
        origin_mean = df[col].mean()
        origin_std = df[col].std(ddof=0)  # SAS默认使用总体标准差，ddof=0对应总体标准差
        # 按公式计算标准化后的值
        result_df[col] = (df[col] - origin_mean) / origin_std * target_std + target_mean
    return result_df

3. 调用函数验证效果

分别测试默认标准化（目标均值0，目标标准差1）和自定义目标参数的场景：

# 场景1：默认标准化，目标均值0，目标标准差1
standardized_df1 = pandas_standardize(df, ['var1', 'var2'])
print("默认标准化后的数据：")
print(standardized_df1)
print("var1的均值：", standardized_df1['var1'].mean())
print("var1的标准差：", standardized_df1['var1'].std(ddof=0))

# 场景2：自定义目标均值10，目标标准差2
standardized_df2 = pandas_standardize(df, ['var1', 'var2'], target_mean=10, target_std=2)
print("n自定义目标参数标准化后的数据：")
print(standardized_df2)
print("var1的均值：", standardized_df2['var1'].mean())
print("var1的标准差：", standardized_df2['var1'].std(ddof=0))

注意事项

• SAS计算标准差时默认使用总体标准差（除以n），而Pandas的std()方法默认除以n-1（样本标准差），因此需要指定ddof=0才能和SAS的结果一致。
• 如果原变量的标准差为0，会出现除零错误，实际使用时需要提前处理常数列，或者添加异常捕获逻辑。
• 若需要对多个数据集使用相同的标准化参数，可以先计算训练集的均值和标准差，再应用到测试集，避免数据泄露。

和SAS Proc Standard的对比

以下是两种工具实现方式的简单对比：

PandasSAS_Proc_Standard数据标准化均值标准差数据预处理修改时间：2026-07-09 07:00:22