如何使用sklearn.preprocessing.normalize标准化DataFrame的列？

Question

有没有一种方法可以使用sklearn的规范化规范DataFrame的列？我认为默认情况下它会规范行

For example, if I had df:
A     B
1000  10
234   3
500   1.5

我想要得到以下内容：

A       B
1       1
0.234   0.3
0.5     0.15

Answer 1

您为什么需要sklearn？

只用熊猫：

>>> df / df.max()
       A     B
0  1.000  1.00
1  0.234  0.30
2  0.500  0.15
>>> 

Answer 2

获取div

后，您可以使用max

df.div(df.max(),1)
Out[456]: 
       A     B
0  1.000  1.00
1  0.234  0.30
2  0.500  0.15

Answer 3

from sklearn import preprocessing preprocessing.normalize(df, axis=0, norm='max') #array([[1. , 1. ], # [0.234, 0.3 ], # [0.5 , 0.15 ]]) 默认使用L2 normalization规范化行。为了实现所需的规范化，都需要通过沿列的最大值更改这两个参数：

uasort

Answer 4

从documentation

  

轴：0或1，用于标准化数据的可选（默认为1）轴   沿。如果为1，则独立标准化每个样本，否则为（如果为0）   标准化每个功能。

因此只需更改轴即可。话虽这么说，sklearn对于这项任务来说实在是太过分了。使用熊猫可以轻松实现。