我有一个具有混合类型列的Pandas 数据帧,我想将skLearning的min_max_scaler应用到一些列.理想情况下,我希望在适当的位置进行这些转换,但还没有想出一种方法来做到这一点.我已经编写了以下可以工作的代码:
import pandas as pd
import numpy as np
from sklearn import preprocessing
scaler = preprocessing.MinMaxScaler()
dfTest = pd.DataFrame({'A':[14.00,90.20,90.95,96.27,91.21],'B':[103.02,107.26,110.35,114.23,114.68], 'C':['big','small','big','small','small']})
min_max_scaler = preprocessing.MinMaxScaler()
def scaleColumns(df, cols_to_scale):
for col in cols_to_scale:
df[col] = pd.DataFrame(min_max_scaler.fit_transform(pd.DataFrame(dfTest[col])),columns=[col])
return df
dfTest
A B C
0 14.00 103.02 big
1 90.20 107.26 small
2 90.95 110.35 big
3 96.27 114.23 small
4 91.21 114.68 small
scaled_df = scaleColumns(dfTest,['A','B'])
scaled_df
A B C
0 0.000000 0.000000 big
1 0.926219 0.363636 small
2 0.935335 0.628645 big
3 1.000000 0.961407 small
4 0.938495 1.000000 small
我很好奇这是否是进行此转换的首选/最有效的方法.有没有什么方法可以让我用df.application来做得更好?
我还感到惊讶的是,我无法使用以下代码:
bad_output = min_max_scaler.fit_transform(dfTest['A'])
如果我将整个数据帧传递给zoom 器,它会起作用:
dfTest2 = dfTest.drop('C', axis = 1)
good_output = min_max_scaler.fit_transform(dfTest2)
good_output
个
我不明白为什么将序列传递给定标器会失败.在上面的完整工作代码中,我希望只将一个序列传递给scaler,然后将dataframe column=设置为zoom 序列.我在其他几个地方看到过这个问题,但没有找到好的答案.如果您能帮助理解这里发生的一切,我们将不胜感激!