Python实现带自定义上下限的DataFrame数据0-1缩放打分方法

你需要的效果可以通过自定义函数快速实现，不需要依赖额外的封装工具，逻辑清晰可控，还能自动处理超出上下限的数值截断：

核心逻辑说明 #

• 第一组规则（20/0，逆向映射）：数值越小得分越高，取值小于等于0时得1分，大于等于20时得0分，区间内得分公式：(20 - 数值) / (20 - 0)
• 第二组规则（0/30，正向映射）：数值越大得分越高，取值小于等于0时得0分，大于等于30时得1分，区间内得分公式：(数值 - 0) / (30 - 0)
• 所有超出范围的得分会自动截断到[0,1]区间，避免出现负数或大于1的异常值

代码实现 #

import pandas as pd
import numpy as np

# 通用自定义映射函数
def custom_scale(x, range_min, range_max, reverse=False):
    # 先把输入值截断到自定义区间范围内
    x_clipped = np.clip(x, range_min, range_max)
    # 计算区间长度
    range_len = range_max - range_min
    if reverse:
        # 逆向映射：值越小得分越高
        score = (range_max - x_clipped) / range_len
    else:
        # 正向映射：值越大得分越高
        score = (x_clipped - range_min) / range_len
    return score

# 示例数据和你提供的参考一致
df = pd.DataFrame({
    'values': [-5.1, 3.6, 6.6, 9.0, 21.0]
})

# 应用两组规则，保留2位小数
df['score(20/0)'] = df['values'].apply(lambda x: custom_scale(x, 0, 20, reverse=True)).round(2)
df['score(0/30)'] = df['values'].apply(lambda x: custom_scale(x, 0, 30, reverse=False)).round(2)

print(df)

输出结果 #

运行后输出和你给出的参考完全匹配：

values  score(20/0)  score(0/30)
0    -5.1         1.00         0.00
1     3.6         0.82         0.12
2     6.6         0.67         0.22
3     9.0         0.55         0.30
4    21.0         0.00         0.70

如果要使用sklearn的MinMaxScaler也可以实现，需要提前对数值做自定义区间截断，再手动指定scaler的拟合边界即可，相对而言自定义函数的灵活性更高，更适配双向映射的需求。

内容的提问来源于stack exchange，提问作者JoshZ