Sklearn 缩放：也缩放原始数据

Question

我正在尝试使用 Sklearn MinMaxScaler 仅缩放特定的 Numpy 列，但是，缩放会影响其他未用于拟合或在转换过程中的数据。

这是一个简单的例子：

# lib import 
import numpy as np
from sklearn.preprocessing import MinMaxScaler

# original np array 
original = np.array([[1, 2, 3], [4, 5, 6]])

>>> print(original)
[[1 2 3]
 [4 5 6]]        

# make a copy of the original array 
copy = original

# minmax scaler 
minmax_scaler = MinMaxScaler(feature_range=(0, 1))

# fit and transform only 2nd and 3rd positions 
copy[:,1:] = minmax_scaler.fit_transform(copy[:,1:])


>>> print(copy)
[[1 0 0]
 [4 0 1]]

>>> print(original)
[[1 0 0]
 [4 0 1]]

为什么原始数组值也会被缩放？

Answer 1

这行不通 -

copy = original

在 Python 中，赋值语句不会复制对象，它们会在目标和对象之间创建绑定。当我们使用 = 运算符时，我们认为这会创建一个新对象；好吧，事实并非如此。

它只创建一个共享原始对象引用的新变量。有时我们想要使用可变对象，为此我们寻找一种方法来创建这些对象的“真实副本”或“克隆”。

您需要使用“深拷贝”或“浅拷贝”

# importing copy module 
import copy 

# initializing list 1  
original = [1, 2, [3,5], 4] 


# using copy for shallow copy   
copy1 = copy.copy(original)  

# using deepcopy for deepcopy   
copy2 = copy.deepcopy(original) 

您可以在互联网上阅读有关浅拷贝和深拷贝之间差异的更多信息。多篇文章可供选择。