如何将DataFrame中air_temp属性归一化至[-1,1]？解决报错问题

错误原因解析 #

1. Reshape错误：sklearn的预处理函数要求输入为二维数组，但elnino_1["air_temp"]返回的是一维Series，维度不匹配导致报错。
2. int不可调用错误：你大概率把scale或preprocessing这类库函数名当成了变量名（比如曾赋值scale = 10），后续调用函数时实际调用的是整数变量，因此触发该错误。

正确实现代码 #

注意前提 #

确保没有用库函数名作为变量名（比如不要定义scale = 0、preprocessing = 5这类代码）。

方法1：Z-score标准化（使用scale函数） #

from sklearn.preprocessing import scale

# 方式1：将Series转为二维数组（推荐）
air_temp_scaled = scale(elnino_1["air_temp"].values.reshape(-1, 1))
# 方式2：用双括号提取DataFrame（自动为二维）
air_temp_scaled = scale(elnino_1[["air_temp"]])

# 将标准化结果放回原DataFrame（需转成一维）
elnino_1["air_temp_scaled"] = air_temp_scaled.flatten()

方法2：Z-score标准化（使用StandardScaler，适合模型复用） #

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
# 直接传入二维DataFrame，结果转一维后放回原表
elnino_1["air_temp_scaled"] = scaler.fit_transform(elnino_1[["air_temp"]]).flatten()

方法3：Min-Max归一化（缩放到[0,1]区间） #

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
elnino_1["air_temp_minmax"] = scaler.fit_transform(elnino_1[["air_temp"]]).flatten()

额外注意事项 #

• 若air_temp存在缺失值，需先处理（如填充均值/中位数），否则sklearn预处理函数会报错：

  elnino_1["air_temp"].fillna(elnino_1["air_temp"].mean(), inplace=True)
  

内容的提问来源于stack exchange，提问作者OnlyForFun