将MinMaxScaler输出的numpy数组转DataFrame报TypeError如何解决

错误原因 #

你的报错来自两个语法问题：

• 你用numpy数组的二维切片语法操作pandas DataFrame：pandas的[]取值默认匹配列名，不支持直接传入(行切片, 列索引)格式的二维切片，所以df1[1:,0]会直接触发类型错误。
• pd.DataFrame构造函数不存在名为dftransformed的参数，第一个参数直接传入数组数据即可，不需要自定义参数名。

解决方法 #

场景1：需要完整复用原df1的所有索引、列信息 #

如果你没有特殊的切片需求，MinMax Scaler输出的数组顺序和原df1的行、列顺序完全对应，直接调用即可：

dftransformedtoDF = pd.DataFrame(dftransformed, index=df1.index, columns=df1.columns)

场景2：确实需要切除第一行/第一列数据 #

如果你的业务逻辑需要跳过第一行、第一列，用pandas的iloc位置索引器取对应的索引和列名即可：

# 取df1从第1行（下标从0开始）开始的所有行的索引
target_index = df1.iloc[1:].index
# 取df1从第1列开始的所有列名
target_columns = df1.columns[1:]
# 用切好的数组和元信息构造DataFrame
dftransformedtoDF = pd.DataFrame(dftransformed[1:, 1:], index=target_index, columns=target_columns)

额外说明 #

不需要手动把索引、列信息转成numpy数组，pandas的DataFrame构造函数原生支持直接传入Index类型的索引、列名参数，不需要额外转换。

内容的提问来源于stack exchange，提问作者rubengavidia0x