如何使用pandas将整数列的数值归一化到[0,1]取值区间
基于Pandas实现数值列[0,1]归一化方案
前置要求
- 先明确字段类型:仅对连续数值含义的int列做归一化,代表分类的枚举列(比如取值3对应某个类别)不要纳入计算,避免破坏原有含义
- 建议生成新列存储归一化结果,不要直接覆盖原始数据,方便后续回溯校验
实现代码(逻辑和你原有原生Python版本完全对齐)
import pandas as pd # 测试数据,可替换为 pd.read_csv("你的文件路径.csv") 加载本地数据集 d = {'int1': [1, 2, 1], 'int2': [3, 4, 5]} df = pd.DataFrame(data=d) # 1. 手动指定需要归一化的连续数值列,类别列不要添加到这个列表里 norm_cols = ['int1', 'int2'] # 2. 逐列执行min-max归一化,自带除零异常处理 for col in norm_cols: col_min = df[col].min() col_max = df[col].max() # 处理列值全部相同的极端情况,避免分母为0报错 if col_max == col_min: df[f"{col}_norm"] = 0.0 else: df[f"{col}_norm"] = (df[col] - col_min) / (col_max - col_min) # 输出查看结果,原列保留,_norm后缀为归一化后的值 print(df)
运行后的输出结果如下:
int1 int2 int1_norm int2_norm 0 1 3 0.0 0.0 1 2 4 1.0 0.5 2 1 5 0.0 1.0
如果需要直接覆盖原列,只需要把代码里的f"{col}_norm"替换为col即可。
结果校验
该实现逻辑和你提供的原生Python版本完全一致,计算结果100%对齐,不会出现逻辑偏差。
内容的提问来源于stack exchange,提问作者Kazim
相关产品推荐
相关产品推荐

