机器学习预处理：如何实现Pandas DataFrame列的normalise及相关疑问

我目前正在为Machine Learning任务预处理数据集，希望对所有数值列执行normalise操作。我找到了一些解决方案，但均无法实现我预期的效果。

我的目标是将列按以下方式归一化：最小值转换为0，最大值转换为1：

示例 #

疑问 #

• 如何实现这一目标？
• 是否需要对数值编码的分类特征执行normalise，还是保持原样？

1. 实现0-1归一化的方法 #

方法一：Pandas手动计算 #

适合自定义单/多列处理，逻辑直观：

import pandas as pd

# 示例数据集
df = pd.DataFrame({'column': [10, 30, 20], 'num_col2': [1, 5, 3]})

# 对指定列执行归一化
def min_max_normalize(series):
    return (series - series.min()) / (series.max() - series.min())

df['column_normalised'] = min_max_normalize(df['column'])
# 批量处理所有数值列
numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns
df[numeric_cols] = df[numeric_cols].apply(min_max_normalize)

方法二：Scikit-learn的MinMaxScaler #

适合标准化流水线式处理，是机器学习预处理的常用方案：

from sklearn.preprocessing import MinMaxScaler
import pandas as pd

scaler = MinMaxScaler(feature_range=(0, 1))
df = pd.DataFrame({'column': [10, 30, 20], 'num_col2': [1, 5, 3]})

# 筛选数值列并归一化
numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns
df[numeric_cols] = scaler.fit_transform(df[numeric_cols])

2. 数值编码的分类特征是否需要归一化？ #

分场景判断：

• 不需要归一化：如果是**标签编码（Label Encoding）**的特征（比如将["猫","狗","兔"]编码为[0,1,2]），这类数值仅作为类别标识，没有大小意义，归一化会混淆类别逻辑，直接保留原编码即可。
• 可以考虑归一化：如果是有序分类的数值编码（比如将["差","中","优"]编码为[1,2,3]），且模型对特征尺度敏感（如线性回归、神经网络、SVM），归一化能帮助模型更快收敛；若模型对尺度不敏感（如决策树、随机森林），归一化与否影响不大。

内容的提问来源于stack exchange，提问作者christophriepe