在 python 中对数据进行规范化时，出现此错误：错误评估因子：TypeError: list indices must be integers or slices, not str答案

【问题标题】：While normalizing the data in python, getting this error:Error evaluating factor: TypeError: list indices must be integers or slices, not str在 python 中对数据进行规范化时，出现此错误：错误评估因子：TypeError: list indices must be integers or slices, not str
【发布时间】：2019-07-23 05:03:54
【问题描述】：

我的数据：

absent_data.head()

My data

在它顺利运行之前，这是我的代码：

cnames = ['Transportation expense', 'Distance from Residence to Work',
   'Service time', 'Age', 'Work load Average/day ', 'Hit target',
   'Son', 'Pet', 'Weight','Body mass index',
   'Absenteeism time in hours']

#Nomalization
for i in cnames:
    print(i)
    absent_data[i] = (absent_data[i] - min(absent_data[i]))/(max(absent_data[i]) - min(absent_data[i]))

现在出现这个错误：

TypeError Traceback（最近调用最后）在（） 2 for i 在 cnames 中： 3 打印（一） ----> 4 缺席数据[i] = (缺席数据[i] - min(缺席数据[i]))/(max(缺席数据[i]) - min(缺席数据[i]))

TypeError: 'numpy.float64' 对象不可调用

以前也是浮动的。

【问题讨论】：

什么是absent_data？
@Ev.Kounis 这是我的数据集。
例如，您在执行absent_data['Transportation expense'] 时会发生什么？因为这就是你正在做的......
for i in cnames 改为for i in range(len(cnames)):
什么是type(absent_data)

标签： python normalization

【解决方案1】：

我猜你正在为min 或max 分配一个浮点值，而min 或max 函数被覆盖。重新启动您的笔记本并删除覆盖部分，然后您将获得预期的结果。

否则，直接使用sklearn.preprocessing.MinMaxScaler，而不是自己实现。

Normalize columns of pandas data frame

【讨论】：

相同的代码在另一个数据集上工作正常，我也有浮点值。
你的笔记本里有min = ...或max = ...这样的行吗？这将覆盖函数并导致is not callable 错误。
我的笔记本中有 min=.. max=... ，这是在规范化代码之后。这就是它第一次运行良好并且再次运行整个代码后出现错误的原因。是的，我会使用 sklearn 库来完成。非常感谢。