Pandas DataFrame各列调用自定义归一化函数不生效如何处理

• 你的normalization函数未返回计算结果，函数内部对参数x的赋值仅修改了局部变量的指向，不会对原DataFrame的列数据产生任何影响
• 循环调用函数时，没有将计算后的结果赋值回原DataFrame的对应列，因此操作看起来没有生效

方案1：修改自定义函数+循环赋值（和你原有写法逻辑最接近，容易理解） #

给函数添加返回值，循环调用时把计算结果写回原DataFrame的对应列即可：

import numpy as np

# 给函数添加返回值
def normalization(x):
    return (x - np.min(x)) / (np.max(x) - np.min(x))

# 循环时将结果写回对应列
for column in df.columns:
    df[column] = normalization(df[column])

方案2：用Pandas原生apply方法，无需手动写循环 #

apply方法的axis=0参数表示按列对数据应用函数，刚好匹配你的需求，代码更简洁：

df = df.apply(normalization, axis=0)

如果某一列的最大值和最小值相等，计算时会出现除以0的报错，可以给函数加边界处理逻辑：

def normalization(x):
    min_x = np.min(x)
    max_x = np.max(x)
    if max_x == min_x:
        # 列内所有值相同时，统一返回0即可，可根据你的需求调整返回值
        return np.zeros_like(x)
    return (x - min_x) / (max_x - min_x)

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