【发布时间】:2020-01-11 01:08:21
【问题描述】:
我正在使用具有以下结构的 DataFrame 学习 Python/Pandas:
import pandas as pd
df = pd.DataFrame({'key' : [111, 222, 333, 444, 555, 666, 777, 888, 999],
'score1' : [-1, 0, 2, -1, 7, 0, 15, 0, 1],
'score2' : [2, 2, -1, 10, 0, 5, -1, 1, 0]})
print(df)
key score1 score2
0 111 -1 2
1 222 0 2
2 333 2 -1
3 444 -1 10
4 555 7 0
5 666 0 5
6 777 15 -1
7 888 0 1
8 999 1 0
score1 和score2 系列的可能值为-1 和所有正整数(包括0)。
我的目标是通过以下方式对两列进行标准化:
- 如果值等于
-1,则返回缺少的NaN值 - 否则,在
0和1之间的范围内标准化剩余的正整数。
我不想覆盖原始系列 score1 和 score2。相反,我想在两个系列上应用一个函数来创建两个新列(比如norm1 和norm2)。
我在这里阅读了几篇推荐使用 sklearn 预处理模块中的 MinMaxScaler() 方法的帖子。我不认为这是我需要的,因为我需要一个额外的条件来处理 -1 值。
我认为我需要的是一个可以应用于两个系列的特定功能。我也熟悉了规范化的工作原理,但我在 Python 中实现这个函数时遇到了困难。任何额外的帮助将不胜感激。
【问题讨论】:
标签: python pandas dataframe normalization