规范化sklearn

Question

假设我有一个pandas数据框，我想在这个函数的帮助下仅规范化一些属性，而不是整个数据框：

preprocessing.normalize

我想将这些规范化的列放到我的数据框中。但我不能，因为它有不同的格式（numpy数组）。

我已经看过如何以其他方式进行规范化，例如我喜欢这样：

s0 = X.iloc[:,13:15] 
X.iloc[:,13:15] = (s0 - s0.mean()) / (s0.max() - s0.min())
X.head()

但我真的需要使用sklearn来做到这一点。谢谢，堆叠！

Answer 1

你正在做的是Min-max缩放。 scazit中的"normalize"与你想做的事情有不同的含义。

试试MinMaxScaler。

而且大多数sklearn变换器只输出numpy数组。对于数据框，您可以简单地将列重新分配给数据框，如下例所示：

import pandas as pd
import numpy as np

df = pd.DataFrame(data=np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['A', 'B', 'C'])

现在假设您只想最小 - 最大缩放列A和C：

from sklearn.preprocessing import MinMaxScaler
minmax = MinMaxScaler()
df[['A', 'C']] = minmax.fit_transform(df[['A', 'C']])