Python使用sklearn做数据标准化时报错sc_train未定义如何处理

• cols 变量需要在执行标准化操作前定义，作用是存储你筛选出的数值类型列的列名，保证后续转DataFrame时列名对应正确
• sc_train、sc_test 就是你已经计算得到的标准化后训练集、测试集数组，你之前的代码里已经把结果赋值给了standardized_train_data和standardized_test_data，要么直接修改后续代码的变量名匹配已有的变量，要么在标准化代码后给这两个变量赋值即可

另外注意：你当前对测试集使用fit_transform()的写法是错误的，测试集不能重新拟合scaler，应该直接调用训练集拟合好的scaler的transform()方法，否则会出现数据泄露问题，影响模型泛化效果。

修正后的完整代码 #

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import preprocessing 

data_train = pd.read_csv("Train_data.csv")
data_test = pd.read_csv("Test_data.csv")

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()

# 在这里定义cols变量，存储数值列名
cols = data_train.select_dtypes(include=['float64','int64']).columns

standardized_train_data = scaler.fit_transform(data_train[cols])
# 测试集只用transform，不要重新fit
standardized_test_data = scaler.transform(data_test[cols])

# 给sc_train、sc_test赋值，或者直接把后面的变量换成standardized_train_data即可
sc_train = standardized_train_data
sc_test = standardized_test_data

# 之后运行这两行就不会报错了
standardized_traindf = pd.DataFrame(sc_train, columns = cols)
standardized_testdf = pd.DataFrame(sc_test, columns = cols)

内容的提问来源于stack exchange，提问作者Raja Muppalla