SKLearn MinMaxScaler - 仅缩放特定列
Posted
技术标签:
【中文标题】SKLearn MinMaxScaler - 仅缩放特定列【英文标题】:SKLearn MinMaxScaler - scale specific columns only [duplicate] 【发布时间】:2017-10-05 15:57:22 【问题描述】:我想使用 MinMaxScaler 缩放 Pandas 数据帧中的部分(但不是全部)列。我该怎么做?
【问题讨论】:
【参考方案1】:演示:
In [90]: df = pd.DataFrame(np.random.randn(5, 3), index=list('abcde'), columns=list('xyz'))
In [91]: df
Out[91]:
x y z
a -0.325882 -0.299432 -0.182373
b -0.833546 -0.472082 1.158938
c -0.328513 -0.664035 0.789414
d -0.031630 -1.040802 -1.553518
e 0.813328 0.076450 0.022122
In [92]: from sklearn.preprocessing import MinMaxScaler
In [93]: mms = MinMaxScaler()
In [94]: df[['x','z']] = mms.fit_transform(df[['x','z']])
In [95]: df
Out[95]:
x y z
a 0.308259 -0.299432 0.505500
b 0.000000 -0.472082 1.000000
c 0.306662 -0.664035 0.863768
d 0.486932 -1.040802 0.000000
e 1.000000 0.076450 0.580891
同样的结果也可以使用sklearn.preprocessing.minmax_scale
:
from sklearn.preprocessing import minmax_scale
df[['x','z']] = minmax_scale(df[['x','z']])
【讨论】:
指出minmax_scale
适用于开箱即用的单个数据框列可能对某些人有所帮助,其中MinMaxScaler
似乎需要多个列。如果您只想扩展x
、df['x'] = minmax_scale(df['x'])
。如果您的缩放值不是浮动的,那么 df['x'] = minmax_scale(df['x'].astype(np.float64))
,以避免 dtype 转换警告。【参考方案2】:
由于 sklearn >= 0.20,您可以使用 Column Transformer 完成此操作
standard_transformer = Pipeline(steps=[
('standard', StandardScaler())])
minmax_transformer = Pipeline(steps=[
('minmax', MinMaxScaler())])
preprocessor = ColumnTransformer(
remainder='passthrough', #passthough features not listed
transformers=[
('std', standard_transformer , ['z']),
('mm', minmax_transformer , ['x','y'])
])
【讨论】:
以上是关于SKLearn MinMaxScaler - 仅缩放特定列的主要内容,如果未能解决你的问题,请参考以下文章
Python,sklearn:使用 MinMaxScaler 和 SVC 的管道操作顺序
[转]sklearn中MinMaxScaler/StandardScaler的区别
为啥 sklearn MinMaxScaler() 返回超出范围的值而不是错误?
使用Sklearn的MinMaxScaler做最简单的归一化