如何对DataFrame特定列执行Z-score标准化？

没问题，要只对指定列做标准化而保留其他列原样的话，我们只需要针对性地选中目标列进行处理，再把处理后的值替换回原数据集就可以了，不用对整个DataFrame调用zscore。

先给你修改好的完整代码，后面再拆解说明：

import pandas as pd
import numpy as np  # 注意要导入numpy，原代码里用到了np但没显式导入
from scipy.stats import zscore

# 读取数据集并处理缺失值
df = pd.read_csv('dataset.csv', sep=',')
df = df.replace([np.inf, -np.inf], np.nan).dropna(axis=0)

# 定义需要标准化的目标列
target_cols = ['Col_1', 'Col_5', 'Col_21']

# 仅对目标列应用zscore标准化，然后替换回原数据集
df[target_cols] = df[target_cols].apply(zscore)

关键说明： #

• 原来的df.apply(zscore)会遍历所有列执行标准化，现在我们通过df[target_cols]精准选中需要处理的列，再对这个子集调用apply(zscore)，最后把结果赋值回原DataFrame的对应列，这样其他21列完全不受影响。
• 别忘了导入numpy，原代码里用到了np.inf、np.nan但没写导入语句，运行时会抛出NameError错误。
• 提前确认target_cols里的列都是数值型列（比如int/float），如果是字符串或分类列，zscore会抛出错误，你可以用df[target_cols].dtypes快速检查列类型。

这样处理后，你的数据集就只有指定的3列被标准化，其他列保持原始状态啦。

内容的提问来源于stack exchange，提问作者Medo