使用StandardScaler对指定列标准化时如何选取第5、6、9列

你当前使用的[:, 5:7]是数组的连续切片语法，仅支持选取索引连续的列，无法直接取到间隔的第9列。要同时选中索引为5、6、9的三列做标准化，直接将需要选取的列索引组成列表传入索引位置即可，原有标准化逻辑不需要改动。

修改后的可运行代码如下：

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
# 传入列索引列表[5,6,9]，同时选中三列完成拟合与转换
X_train[:, [5, 6, 9]] = sc.fit_transform(X_train[:, [5, 6, 9]])

注意事项 #

• 按照你之前X_train[:,5:7]选取第5、6列的写法，你当前用的是0起始索引规则，这里直接传入索引9即可对应你要选的第9列；如果你是按日常从1开始计数列序号，对应索引要改成8。
• 后续对测试集、验证集做相同规则的标准化时，要选取相同的列，且直接用已经在训练集上拟合好的sc实例做转换，不要重新拟合，示例代码：

  X_test[:, [5, 6, 9]] = sc.transform(X_test[:, [5, 6, 9]])
  

• 如果你的输入数据是pandas DataFrame格式，除了传整数索引，也可以直接传入目标列名组成的列表选列，使用逻辑完全一致。

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