Python 使用 sklearn zoom 的 pandas 数据框列

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！