使用MinMaxScaler缩放列后结果全为0的原因解析

我在使用MinMaxScaler对DataFrame的每一列做缩放处理时，发现每列的缩放结果全部为0。例如以下示例中，df_test_1完成缩放后所有值均为0，但通过inverse_transform仍能还原为原始数值，请问为何缩放结果会全为0？

示例代码 #

from sklearn.preprocessing import MinMaxScaler
import pandas as pd

df_dict={'A':[-1,-0.5,0,1],'B':[2,6,10,18]}
df_test=pd.DataFrame(df_dict)
print('original scale data')
print(df_test)
scaler_model_list=[]
df_test_1=df_test.copy()
for col in df_test.columns:
   scaler = MinMaxScaler()
   scaler_model_list.append(scaler)  # 保存每个列的scaler，后续用于逆变换
   df_test_1.loc[:,col]=scaler.fit_transform(df_test_1.loc[:,col].values.reshape(1,-1))[0]

print('after finishing scaling')
print(df_test_1)
print('after inverse transformation')
print(scaler_model_list[0].inverse_transform(df_test_1.iloc[:,0].values.reshape(1,-1)))
print(scaler_model_list[1].inverse_transform(df_test_1.iloc[:,1].values.reshape(1,-1)))

运行输出 #

original scale data
     A   B
0 -1.0   2
1 -0.5   6
2  0.0  10
3  1.0  18
after finishing scaling
     A  B
0  0.0  0
1  0.0  0
2  0.0  0
3  0.0  0
after inverse transformation
[[-1.  -0.5  0.   1. ]]
[[ 2.  6. 10. 18.]]

问题原因 #

问题出在数据维度的处理上：

• MinMaxScaler要求输入数据格式为(n_samples, n_features)，即每行一个样本、每列一个特征。
• 你把列数据reshape(1,-1)，相当于把整列4个值当成1个样本的4个特征，而非4个样本的1个特征。
• 对于每个单独的“特征”（原数据的单个元素），它的最大值和最小值都是自身，MinMaxScaler为避免除以0错误，会将这类特征的所有值缩放为0。
• 逆变换时，每个scaler都保存了对应“特征”的原始min和max，因此能正确还原原始数值。

修正方法 #

把列数据的reshape改为(-1,1)，让数据符合(n_samples, n_features)的格式：

from sklearn.preprocessing import MinMaxScaler
import pandas as pd

df_dict={'A':[-1,-0.5,0,1],'B':[2,6,10,18]}
df_test=pd.DataFrame(df_dict)
print('original scale data')
print(df_test)
scaler_model_list=[]
df_test_1=df_test.copy()
for col in df_test.columns:
   scaler = MinMaxScaler()
   scaler_model_list.append(scaler)
   # 修正reshape为(-1,1)，表示4个样本、1个特征
   df_test_1.loc[:,col]=scaler.fit_transform(df_test_1.loc[:,col].values.reshape(-1,1))[:,0]

print('after finishing scaling')
print(df_test_1)
print('after inverse transformation')
print(scaler_model_list[0].inverse_transform(df_test_1.iloc[:,0].values.reshape(-1,1)))
print(scaler_model_list[1].inverse_transform(df_test_1.iloc[:,1].values.reshape(-1,1)))

修正后输出 #

original scale data
     A   B
0 -1.0   2
1 -0.5   6
2  0.0  10
3  1.0  18
after finishing scaling
     A     B
0  0.0  0.00
1  0.2  0.25
2  0.4  0.50
3  1.0  1.00
after inverse transformation
[[-1. ]
 [-0.5]
 [ 0. ]
 [ 1. ]]
[[ 2.]
 [ 6.]
 [10.]
 [18.]]

内容的提问来源于stack exchange，提问作者roudan