Question

我需要对数据框执行规范化，包含一个索引列和其他带有数值的列。

Index    a     b      c
xy1     555   436    3667
xz2    4626   658    463
xr3     425   674    436
bx4    4636   6567   6346

我想对数据帧执行最大-最小规范化，删除包含 NaN 的列，并返回带有原始索引的规范化数据帧。我正在考虑这样的事情，但是如何从循环中排除索引列，使其在返回的数据框中保持不变？

def normalize(df):
    result = df.copy()
    for feature_name in df.columns:
        max_value = df[feature_name].max()
        min_value = df[feature_name].min()
        result[feature_name] = (df[feature_name] - min_value) / (max_value - min_value)
        if result[feature_name].isnull().values.any():
            result.drop([feature_name], axis=1, inplace=True)
            print(f'Something wrong in {feature_name}, dropping this feature.')
    return result

Answer 1

您可以简化 min-max 缩放的实现：

s = df.set_index('Index').dropna(axis=1)
s = (s - s.min())  / (s.max() - s.min())

或者，您可以使用 MinMaxScaler 中的 sklearn.preprocessing：

from sklearn.preprocessing import MinMaxScaler

s = df.set_index('Index').dropna(axis=1)
s[:] = MinMaxScaler().fit_transform(s)

print(s)

              a         b         c
Index                              
xy1    0.030872  0.000000  0.546701
xz2    0.997625  0.036209  0.004569
xr3    0.000000  0.038819  0.000000
bx4    1.000000  1.000000  1.000000

熊猫通过迭代除索引

1 个答案: