编写支持min_max/z_score归一化的Python函数报错如何解决？

1. 你当前遇到的SyntaxError报错直接原因 #

你定义zscore列的代码里，字符串结束引号用了中文全角的”，不是英文半角的"，Python无法识别到字符串的闭合边界，因此抛出EOL扫描字符串字面量的语法错误，把df["zscore”]改成df["zscore"]即可解决该报错。

2. 代码中其他需要修正的错误 #

除了引号问题，你的代码还有多处逻辑、语法错误需要调整：

• scaler.fit.transform是错误写法，MinMaxScaler的拟合转换方法是fit_transform，中间为下划线
• z-score的计算逻辑完全错误：你当前的写法是对参数attr（应该是列的索引数字）求均值、标准差，再用这个值去找列，完全不符合逻辑。正确写法是先选中目标列，再对该列整体求均值和标准差
• 两处dict(zip(...))的语句末尾都缺少闭合的右括号
• 函数内部的代码没有做缩进，不符合Python语法要求
• 不需要同时计算两种归一化结果，按需计算即可减少不必要的性能开销

3. 修正后的完整代码 #

import pandas as pd
from sklearn.preprocessing import MinMaxScaler

def normalization(fname, attr, normType):
    result = {}
    df = pd.read_csv(fname)
    # 获取目标列
    target_col = df.columns[attr]
    targ = df[target_col].tolist()
    
    if normType == "min_max":
        scaler = MinMaxScaler()
        norm_vals = scaler.fit_transform(df[[target_col]]).flatten().tolist()
        result = dict(zip(targ, norm_vals))
    elif normType == "z_score":
        col_mean = df[target_col].mean()
        col_std = df[target_col].std(ddof=1)
        norm_vals = ((df[target_col] - col_mean) / col_std).tolist()
        result = dict(zip(targ, norm_vals))
    else:
        raise ValueError("归一化类型仅支持'min_max'或'z_score'")
    
    return result

内容的提问来源于stack exchange，提问作者Will Pratt