Python pandas数据框仅使用行信息而不是列最大最小值对每一行进行规范化

Question

我的数据框目前包含以下设计

来源：

index   col1 col2   col3
row1    100    50   0
row2    -100   50   -25
row3    0       0   0
row4    -1     -1   -1
row5    1       1   1
row6    -100    0   1

我的目标是

index   col1    col2    col3
row1    1.0 0.5 0.0
row2    0   1   0.5
row3    0   0   0
row4    0   0   0
row5    0   0   0
row6    0   0.99    1

我从 Stackoverflow 答案中所做的尝试：

规范化列最大值而不是行最大值/最小值

df = (df.T / df.T.sum()).T

规范化列最大值而不是行最大值/最小值

df = df.div(df.sum(axis=1), axis=0)

规范化列最大值而不是行最大值/最小值

df.iloc[:,:] = Normalizer(norm='l2').fit_transform(df)

我确实尝试过改变： df.div(df.sum(axis=1), axis=0) 和轴一起玩，不幸的是，一旦我更改任何轴，它就会引发错误。

通过阅读内置函数的 pandas 数据框，我看不到任何 Python 式的东西，而且我如何在没有复杂的 lambda 函数的情况下轻松实现它，并在每行之前存储最小最大值。 Pandas 还说我们不应该遍历行并更改值 :-( 所以我有点迷茫并感谢一些输入。

Answer 1

1. 从每一行中减去最小的元素。
2. 将行除以其范围（最大值与最小值之差）。
3. 如果范围为 0，则除法产生NaNs。用原始值填充它们。

代码：

df.subtract(df.min(axis=1), axis=0)\
  .divide(df.max(axis=1) - df.min(axis=1), axis=0)\
  .combine_first(df)
#       col1      col2  col3
#row1    1.0  0.500000   0.0
#row2    0.0  1.000000   0.5
#row3    0.0  0.000000   0.0
#row4   -1.0 -1.000000  -1.0
#row5    1.0  1.000000   1.0
#row6    0.0  0.990099   1.0