Streamlit应用中MinMaxScaler输出全零的问题排查求助

在Streamlit开发的应用中，使用scikit-learn的MinMaxScaler进行数据预处理后，所有输出值均为0。部分脚本代码如下：

contract = ['Proyek dibawah 100M','Proyek 100M-150M','Proyek 150M-500M','Proyek diatas 500M']
project_contract = st.selectbox("Select your project contract", contract)

input_spec = pd.DataFrame(columns=['FC','SL','FA'], data=[[FC, SL, FA]])

input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'])

if area == 'Jakarta':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[1,0,0,0,0,0]])
elif area == 'Jawa':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[0,1,0,0,0,0]])
elif area == 'Kalimantan':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[0,0,1,0,0,0]])
elif area == 'Papua':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[0,0,0,1,0,0]])
elif area == 'Sulawesi':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[0,0,0,0,1,0]])
elif area == 'Sumatera':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[0,0,0,0,0,1]])
elif area == 'Bali & Nusa Tenggara':
    input_area = pd.DataFrame(columns=['area_JAKARTA', 'area_JAWA', 'area_KALIMANTAN',
       'area_PAPUA', 'area_SULAWESI', 'area_SUMATERA'], data=[[0,0,0,0,0,0]])

if project_contract == 'Proyek dibawah 100M':
    input_project = pd.DataFrame(columns=['project_contract_150M-500M', 'project_contract_above 500M',
       'project_contract_below 100M'], data =[[0,0,1]])
elif project_contract == 'Proyek 150M-500M':
    input_project = pd.DataFrame(columns=['project_contract_150M-500M', 'project_contract_above 500M',
       'project_contract_below 100M'], data =[[1,0,0]])
elif project_contract == 'Proyek diatas 500M':
    input_project = pd.DataFrame(columns=['project_contract_150M-500M', 'project_contract_above 500M',
       'project_contract_below 100M'], data =[[0,1,0]])
elif project_contract == 'Proyek 100M-150M':
    input_project = pd.DataFrame(columns=['project_contract_150M-500M', 'project_contract_above 500M',
       'project_contract_below 100M'], data =[[0,0,0]])

for i in input_area.columns:
    input_area[i] = input_area[i].astype('float')
for j in input_project.columns:
    input_project[j] = input_project[j].astype('float')

input_submit = pd.concat([input_spec, input_area, input_project], axis=1)
st.dataframe(input_submit)

scaler = MinMaxScaler()
input_submit_scaled = pd.DataFrame(scaler.fit_transform(input_submit.values), columns=input_submit.columns)
st.dataframe(input_submit_scaled)

现象说明：

• input_submit数据框包含FC/SL/FA数值列，以及地区、合同类型的独热编码列，存在正常数值和0/1值
• input_submit_scaled数据框所有列的值均为0

问题核心在于用单条输入数据拟合MinMaxScaler。MinMaxScaler的缩放公式为：
scaled_value = (x - min) / (max - min)
当仅传入单条数据时，该列的最小值min和最大值max完全相等，导致分母为0，最终所有缩放结果都为0。

必须使用模型训练阶段的原始数据集拟合的scaler来处理新输入，而不是用单条数据重新训练。步骤如下：

1. 提前在训练阶段拟合并保存scaler：

import joblib
from sklearn.preprocessing import MinMaxScaler

# 假设train_data是模型训练时的完整数据集，列名与input_submit一致
scaler = MinMaxScaler()
scaler.fit(train_data)
joblib.dump(scaler, 'minmax_scaler.pkl')  # 保存scaler到本地文件

2. 在Streamlit应用中加载已保存的scaler，仅调用transform()处理输入：

# 替换原有scaler相关代码
scaler = joblib.load('minmax_scaler.pkl')
input_submit_scaled = pd.DataFrame(scaler.transform(input_submit), columns=input_submit.columns)
st.dataframe(input_submit_scaled)

额外优化建议 #

• 独热编码部分可改用pandas.get_dummies或sklearn.OneHotEncoder自动生成，避免手动编写大量if-elif逻辑，减少冗余代码
• 确保输入的FC/SL/FA数值范围与训练集一致，否则缩放结果会偏离预期

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