如何使用MinMaxScaler归一化numpy.ndarray数组？

要把你的numpy.ndarray数组归一化到0-1区间，直接用scikit-learn的MinMaxScaler即可，注意它要求输入是二维数组，具体实现代码如下：

完整示例代码 #

import numpy as np
from sklearn.preprocessing import MinMaxScaler

# 模拟你的目标数组
your_array = np.array([-78.932495, -77.14235, -76.68105, -70.57554, -70.66422, -71.883995])

# 转换为MinMaxScaler要求的二维格式（样本数×特征数）
array_2d = your_array.reshape(-1, 1)

# 初始化归一化器，默认就是0-1区间，也可以显式指定feature_range=(0,1)
scaler = MinMaxScaler()

# 拟合并完成归一化转换
normalized_2d = scaler.fit_transform(array_2d)

# 若需要转回一维数组，用flatten()
normalized_array = normalized_2d.flatten()

print(normalized_array)

关键说明 #

• 形状转换：reshape(-1,1)把一维数组转为N行1列的二维结构，这是因为MinMaxScaler是为数据集设计的，要求每个样本占一行、每个特征占一列。
• 归一化逻辑：fit_transform()会自动计算数组的最小值和最大值，然后通过公式(x - min_val) / (max_val - min_val)将每个元素映射到0-1区间，完全符合你的需求。
• 转回一维：如果不需要二维结果，用flatten()可以快速还原成一维数组格式。

内容的提问来源于stack exchange，提问作者Megan