Question

此代码返回预期结果。但是涉及两种熊猫方法。我可以只使用一种方法还是可以从fit_transform中删除熊猫？

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
data = [-1, 2,1, 18]
scaler.fit_transform(pd.DataFrame(pd.Series(data)))

array([[0.        ],
       [0.15789474],
       [0.10526316],
       [1.        ]])

更新：我尝试输入列表，但出现错误：

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
data = [-1, 2,1, 18]
scaler.fit_transform(data)

# ValueError: Expected 2D array, got 1D array instead

这可行，但结果错误：

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
data = [-1, 2,1, 18]
scaler.fit_transform([data])

# array([[0., 0., 0., 0.]])

Answer 1

您可以直接应用fit_transform，而无需pandas

data = np.array(data).reshape(-1,1).astype(np.float32)
scaler.fit_transform(data)

Answer 2

选项1：

您可以直接从列表中创建一个数据框，并将其提供给缩放器，这将需要进行任何重塑。

scaler.fit_transform(pd.DataFrame(data))

选项2：

如果要使用numpy，

scaler.fit_transform(np.array(data)[:,np.newaxis])

或者您可以接受@Oswald的建议

拟合方法的输入数组

2 个答案: