Question

我的熊猫数据框如下。

import pandas as pd
df = pd.DataFrame({
               'A':[1,2,3],
               'B':[100,300,500],
               'C':list('abc')
             })
print(df)
   A    B  C
0  1  100  a
1  2  300  b
2  3  500  c

我想规范化整个数据框。由于第C列不是带编号的列，我的工作如下（即首先删除C，对数据进行规范化并添加该列）。

df_new = df.drop('concept', axis=1)
df_concept = df[['concept']]
from sklearn import preprocessing
x = df_new.values #returns a numpy array
min_max_scaler = preprocessing.MinMaxScaler()
x_scaled = min_max_scaler.fit_transform(x)
df_new = pd.DataFrame(x_scaled)
df_new['concept'] = df_concept

但是，我确信在熊猫中有一种更简单的方法（考虑到我不需要进行标准化的列名，然后直接进行标准化）。

如果需要，我很乐意提供更多详细信息。

Answer 1

将DataFrame的{{3}}用于数字列，然后除以最小值和最大值进行归一化，然后只分配归一化的列：

df1 = df.select_dtypes(np.number)
df[df1.columns]=(df1-df1.min())/(df1.max()-df1.min())
print (df)
     A    B  C
0  0.0  0.0  a
1  0.5  0.5  b
2  1.0  1.0  c

Answer 2

如果要在数据框上应用任何其他功能，可以使用df[columns] = df[columns].apply(func)。

如何快速标准化熊猫数据框中的数据？

2 个答案: