Python 3.x 如何在包含numpy.ndarrays的列/列的数据帧上执行StandardScaler？

我有一个pandas数据框，其中有些列带有numpy.ndarrays：

  col1         col2           col3         col4
0  4    array([34, 56, 234])   7     array([765, 654])
1  3    array([11, 598, 1])    89    array([34, 90])

我想在上面做一些缩放

我做了相当标准的事情：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)


from sklearn.preprocessing import StandardScaler

sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

我遇到了一个意料之中的错误：

ValueError: setting an array element with a sequence.

---

我需要帮助标准化这些numpy阵列以及其他一切

尝试将数组转换为数据帧。我有限的理解是，它需要使用二维阵列，而不是一维阵列

import pandas as pd
import numpy as np    

X = pd.DataFrame(np.array(([34, 56, 234]))
y = pd.DataFrame(np.array([11, 598, 1]))

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)


from sklearn.preprocessing import StandardScaler

sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

X_train
Out[38]: 
array([[ 1.],
       [-1.]])

---

StandardScaler

希望每列都有数值但

col2

和

col4

有序列，因此会出现错误

我认为最好分别处理带有序列的列，然后再与其余数据合并

现在，我将假设对于所有行，给定列的顺序元素数相同，例如

col_2

的所有行都有3值数组

因为，

StandardScaler

分别计算所有列的

mean

和

std

。序列列有两种方法：

方法1：序列所有位置的元素都来自相同的分布。 在这种情况下，您应该得到所有值的

mean

和

std

。在展平阵列上安装

StandardScaler

后，将其重塑为原始形状

方法2：序列不同位置的元素来自不同的分布。 在这种情况下，可以将单个列转换为2D numpy数组。您可以在该2D数组上拟合

StandardScaler

（每个列

mean

和

std

将分别计算），并在转换后将其恢复为单个列

以下是两种方法的代码：

# numeric columns should work as expected
X_train_1 = X_train[['col1', 'col3']]
X_test_1 = X_test[['col1', 'col3']]

sc = StandardScaler()
X_train_1 = sc.fit_transform(X_train_1)
X_test_1 = sc.transform(X_test_1)

# first convert seq column to a 2d array
X_train_col2 = np.vstack(X_train['col2'].values).astype(float)
X_test_col2 = np.vstack(X_test['col2'].values).astype(float)

# for sequence columns, there are two approaches:
# Approach 1
sc_col2 = StandardScaler()
X_train_2 = sc_col2.fit_transform(X_train_col2.flatten().reshape(-1, 1))
X_train_2 = X_train_2.reshape(X_train_col2.shape)

X_test_2 = sc_col2.transform(X_test_col2.flatten().reshape(-1, 1))
X_test_2 = X_test_2.reshape(X_test_col2.shape)


# Approach 2
sc_col2 = StandardScaler()
X_train_2 = sc_col2.fit_transform(X_train_col2)

X_test_2 = sc_col2.transform(X_test_col2)

# To assign back to dataframe, you can do following:
X_test["col2_scaled"] = X_test_2.tolist()

# To stack with other numpy arrays
X_train_scaled = np.hstack((X_train_1, X_train_2))

---

在方法2中，可以先堆叠所有列，然后一次性对所有列执行

StandarScaler

。

谢谢您的回复！我已经准备好实现这个功能了，但是我注意到我所有的数字都不是numpy类型的。我应该将数组中的所有数字和列中的整数转换为它们的numpy等效类型吗？是的！我建议这样做。我正在编辑我的答案，以便在缩放之前将所有内容转换为浮动！