如何仅对DataFrame中的连续变量做归一化并忽略分类变量？

对DataFrame执行MinMaxScaler归一化时触发以下报错：

ValueError: could not convert string to float: 'M'

报错根因是传入缩放器的数据集包含字符串类型的分类列，缩放器无法将字符串转为浮点型数值计算，且不会自动识别区分连续变量和分类变量。原有实现代码如下：

X=data
mms=MinMaxScaler()
mms.fit(X)
Xnorm=mms.transform(X)
print(Xnorm.min(axis=0))
print(Xnorm.max(axis=0))
print(Xnorm.shape)

核心思路是先识别数据集中的连续数值列，仅对这部分列执行归一化操作，分类列保留原值即可，有两种常用实现方案：

• 方案1：手动筛选数值列处理后拼接
  先通过pandas内置的类型筛选方法取出所有数值列，单独做归一化后再和原数据的分类列合并，代码逻辑简单易读：

  import pandas as pd
  from sklearn.preprocessing import MinMaxScaler
  
  X = data
  # 筛选所有数值类型的连续变量列名
  numeric_cols = X.select_dtypes(include='number').columns.tolist()
  
  mms = MinMaxScaler()
  # 仅对数值列做归一化拟合与转换
  scaled_numeric = mms.fit_transform(X[numeric_cols])
  
  # 拷贝原数据，将归一化后的数值替换回对应列，保留分类列原值
  Xnorm = X.copy()
  Xnorm[numeric_cols] = scaled_numeric
  
  # 校验归一化结果
  print(Xnorm[numeric_cols].min(axis=0))
  print(Xnorm[numeric_cols].max(axis=0))
  print(Xnorm.shape)
  

• 方案2：用sklearn的ColumnTransformer指定列处理规则
  适合后续要接入sklearn建模流水线的场景，可以直接在转换器中定义不同列的处理逻辑，非数值列设置为直接透传：

  from sklearn.compose import ColumnTransformer
  from sklearn.preprocessing import MinMaxScaler
  
  X = data
  numeric_cols = X.select_dtypes(include='number').columns.tolist()
  
  # 定义列转换规则：数值列做MinMax归一化，其余列原样保留
  col_transformer = ColumnTransformer(
      transformers=[
          ('minmax_scaler', MinMaxScaler(), numeric_cols)
      ],
      remainder='passthrough'
  )
  
  Xnorm = col_transformer.fit_transform(X)
  

提示：如果处理后的数据要用于模型训练，分类列不能直接保留字符串格式，需要额外根据场景做标签编码、独热编码等数值化转换。

内容的提问来源于stack exchange，提问作者P.Brito