整个数据框python的最小最大缩放答案

【问题标题】：Min Max scaling for whole dataframe python整个数据框python的最小最大缩放
【发布时间】：2020-12-07 08:06:56
【问题描述】：

我正在使用 from sklearn.preprocessing import MinMaxScaler 使用以下代码和数据集：

df = pd.DataFrame({
  "A" : [-0.5624105,
-0.5637749,
0.2973856,
0.619784,
0.007297921,
0.8146919,
0.1082434,
-0.2311236,
-0.6945567,
-0.6807524,
-0.1017431,
0.5889628,
0.5384794,
0.3906553,
0.3843442,
0.4408366,
0.4035791,
0.05258237,
-0.4847771
],
  "B" : [-0.5068743,
0.1422121,
0.6444226,
0.4959088,
-0.2260773,
0.3420533,
0.2346546,
0.1177824,
-0.7701161,
-0.7566853,
-0.5091485,
0.4509938,
0.4209853,
0.304058,
0.3753832,
0.6958977,
0.6763205,
0.05536954,
-0.9857719
]})

min_max_scaler = MinMaxScaler(feature_range=(0,255))

print(df)

df[df.columns] = min_max_scaler.fit_transform(df[df.columns])

print(df)
print(type(df))

我想用整个数据集中的最小值和整个数据集中的最大值来缩放它如何使用相同的代码来管理它？有可能吗？

           A         B
0  -0.562411 -0.506874
1  -0.563775  0.142212
2   0.297386  0.644423
3   0.619784  0.495909
4   0.007298 -0.226077
5   0.814692  0.342053
6   0.108243  0.234655
7  -0.231124  0.117782
8  -0.694557 -0.770116
9  -0.680752 -0.756685
10 -0.101743 -0.509149
11  0.588963  0.450994
12  0.538479  0.420985
13  0.390655  0.304058
14  0.384344  0.375383
15  0.440837  0.695898
16  0.403579  0.676320
17  0.052582  0.055370
18 -0.484777 -0.985772
             A           B
0    22.327190   72.617646
1    22.096664  171.041874
2   167.596834  247.194572
3   222.068703  224.674680
4   118.584127  115.196304
5   255.000000  201.344798
6   135.639699  185.059394
7    78.300845  167.337476
8     0.000000   32.700971
9     2.332350   34.737551
10  100.160748   72.272798
11  216.861207  217.863993
12  208.331620  213.313653
13  183.355519  195.583380
14  182.289206  206.398778
15  191.834063  255.000000
16  185.539101  252.031411
17  126.235309  157.873501
18   35.443994    0.000000

我不想为每一列使用不同的映射，我需要使用 -0.985772 0.814692 进行映射（第 18 列 b 行，第 5 行第 a 列）

【问题讨论】：

首先将其设为np.array，然后将其设为array = (array - minimum) / (maximum - minimum) * 255（从 0 到 255）然后再转换回可能是最快的

标签： python pandas dataframe sklearn-pandas

【解决方案1】：

您有两种方法可以做到这一点：

# Manually:
min_value, max_value = df.min().min(), df.max().max()
scaled1 = (df - min_value) * 255 / (max_value - min_value)

# Using MinMaxScaler
min_max_scaler = MinMaxScaler(feature_range=(0,255))    
# Stack everything into a single column to scale by the global min / max
tmp = df.to_numpy().reshape(-1,1)
scaled2 = min_max_scaler.fit_transform(tmp).reshape(len(df), 2)

两者都返回相同的结果：

np.isclose(scaled1, scaled2).all()
# True

您可以使用缩放值创建一个新的 DataFrame：

scaled = pd.DataFrame(scaled1, index=df.index, columns=df.columns)

或者将它们分配回df：

df.loc[:] = scaled1

【讨论】：