如何在pandas DataFrame中排除指定列后对其余列做MinMaxScaler缩放

你可以通过pandas列名差集的方式排除B列，仅对剩余列做缩放，修改后的完整代码如下：

import pandas as pd
from sklearn.preprocessing import MinMaxScaler


scaler = MinMaxScaler()

df = pd.DataFrame({'A':[14.00,90.20,90.95,96.27,91.21],
                           'B':[103.02,107.26,110.35,114.23,114.68],
                           'C':[3,5,4,2,3]})
# 排除B列，获取需要缩放的列
cols_to_scale = df.columns.difference(['B'], sort=False)
# 仅对目标列做拟合转换
df[cols_to_scale] = scaler.fit_transform(df[cols_to_scale])

代码说明 #

• df.columns.difference(['B'], sort=False) 会返回所有列名中排除B后的列表，加sort=False参数是为了保留原始列的先后顺序，避免缩放后列顺序错乱
• 拟合、转换、赋值三个步骤都仅作用于筛选出来的列，B列会完全保留原始数值
• 如果后续需要排除更多列，只需要修改difference方法传入的列表即可，比如要排除B、D两列就写成difference(['B','D'], sort=False)

如果不需要用排除法，也可以直接指定要缩放的列：

cols_to_scale = ['A', 'C']

内容的提问来源于stack exchange，提问作者Undertaker2