如何用统一均值标准化整个DataFrame而非按列单独标准化？

无需修改原始DataFrame结构，通过数组重塑即可让StandardScaler基于全局均值和标准差处理所有数据，具体实现如下：

代码示例 #

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 假设你的原始数据是带日期索引、房间列的DataFrame（变量名df）
scaler = StandardScaler()

# 将所有数据平铺为单一特征列，执行全局标准化
scaled_flat = scaler.fit_transform(df.values.reshape(-1, 1))

# 把标准化后的数据还原回原DataFrame的行列结构
scaled_data = scaled_flat.reshape(df.shape)

# 用原索引和列名重建标准化后的DataFrame
scaled_df = pd.DataFrame(scaled_data, index=df.index, columns=df.columns)

原理说明 #

• df.values.reshape(-1, 1)将所有房间的温度数据合并成一列，迫使StandardScaler计算全局统一的均值和标准差，而非按列单独统计。
• 标准化完成后，通过reshape(df.shape)恢复原表格结构，保留原有的日期索引和房间列名，后续操作与原始DataFrame完全兼容，不会增加额外繁琐度。

内容的提问来源于stack exchange，提问作者grinsekatze152