from sklearn.preprocessing import StandardScaler
X = df.values[:,1:]
X = np.nan_to_num(X)
Clus_dataSet = StandardScaler().fit_transform(X)
Clus_dataSet
有人明白这个上下文是什么意思吗？
【问题讨论】：
df 是一个熊猫数据框。请阅读pandas tutorials 和Getting Started。它是可搜索的（左上角的框）并回答了这些问题。
np.nan_to_num()等函数，请参阅numpy doc
标签： python dataframe sklearn-pandas
df 是一个包含多列的 DataFrame，显然目标值在第一列。
df.values 返回一个 numpy 数组，其中包含 DataFrame 的基础数据，没有任何索引或列名。
[:, 1:] 是该数组的一个切片，它返回从第二列开始的所有行和每一列。 （第一列是索引 0）
【讨论】：
df.values 将数据框值作为 numpy 数组对象提供给我们。 df.values[:, 1:] 是一种通过索引访问所需值的方法它表示数据帧中除第 0 个索引列之外的所有行和所有列。
【讨论】：
正如 Richie 对 X = df.values[:,1:] 所说，您基本上使 X 等于您的数据框，但它会跳过第一列。
X = np.nan_to_num(X) 将任何 NaN 值替换为数值。
Clus_dataSet = StandardScaler().fit_transform(X) 标准化数据
Clus_dataSet 将数据集返回给我们。
请小心，因为稍后当您使用 X 变量绘制数据时，您必须从第二列中索引数据。 X[0] = df[1]
例如：plt.scatter(X[:, 0], X[:, 3], s=area, c=labels.astype(np.float), alpha=0.5)
X[:, 0] 包含新变量的第一列，如果有意义的话，以前是 df[:, 1]。有点难以解释。
【讨论】：
这里的 Df 是指您正在分析的数据框。
在代码的第二行中，df.Values 用于仅返回值而不是数据框的索引。括号内的参数意味着您正在加载数据框的所有行并忽略索引位置 1 处的列（我假设这可能是因变量）。
【讨论】：