Scipy与Sklearn的Yeo-Johnson归一化结果不匹配原因及正确性咨询

两种实现结果差异的核心原因 #

两者的核心变换逻辑没有区别，数值范围差异完全来自后处理步骤的配置不同：

• Scipy的scipy.stats.yeojohnson接口仅输出原始Yeo-Johnson变换后的结果，不会做额外的标准化处理
• 你代码中初始化Sklearn的PowerTransformer时设置了standardize = True，这个参数会在完成Yeo-Johnson核心变换后，额外对结果做零均值、单位方差的标准化处理，直接改变了输出的数值范围。

你可以将Sklearn的初始化参数修改为PowerTransformer(method = 'yeo-johnson', standardize = False)，重新运行后两者的输出结果就会完全一致。

官方公式符合度说明 #

两个库的核心Yeo-Johnson变换逻辑都完全符合原始论文的公式定义：

• Scipy的输出是纯变换结果，和原始论文给出的变换输出完全对应
• Sklearn的标准化属于可选的附加后处理步骤，是为了适配机器学习Pipeline的通用预处理规范，没有修改核心变换的逻辑。

另外你观察到的分布形状一致是正常现象：标准化属于线性变换，只会缩放、平移数值范围，不会改变数据本身的分布形态，所以两者的概率图、分布直方图形状都完全匹配。

内容的提问来源于stack exchange，提问作者user915783