如何编写Python函数对DataFrame的数值列执行MinMaxScaler归一化？

你的代码存在几个关键错误，导致出现'type' object is not iterable报错，同时逻辑上也有漏洞，下面是具体的错误分析和修正后的代码：

错误点拆解 #

• 开头直接把传入的df赋值为空pd.DataFrame()，直接丢失了输入的原始数据，这是致命问题。
• 循环遍历的是pd.DataFrame这个类（类型对象），而非传入的DataFrame的列名，所以会触发类型不可迭代的错误。
• 判断列类型时，dtype(column)用法错误，应该通过df[column].dtype获取对应列的数据类型。
• 找到第一列就立即return，后续符合条件的列根本不会被处理，逻辑不完整。

修正后的代码 #

def standard(df):
    """接收一个DataFrame，返回标准化int类型数值列后的DataFrame"""
    from sklearn.preprocessing import MinMaxScaler
    scaler = MinMaxScaler()
    # 复制原DataFrame，避免修改输入的原始数据
    scaled_df = df.copy()
    # 筛选所有int类型的列
    int_columns = [col for col in scaled_df.columns if 'int' in str(scaled_df[col].dtype)]
    # 对筛选出的列统一执行MinMax缩放
    scaled_df[int_columns] = scaler.fit_transform(scaled_df[int_columns])
    return scaled_df

关键修改说明 #

• 用df.copy()复制原始数据，保证输入的DataFrame不会被函数修改（这是处理DataFrame时的最佳实践）。
• 遍历scaled_df.columns获取所有列名，而非遍历DataFrame类，解决了迭代错误。
• 用列表推导式一次性筛选出所有int类型的列，再统一进行缩放，效率更高且逻辑完整。
• 修正了列数据类型的获取方式，确保能正确识别int64类型的列。

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