python可以规范化对象数组吗？

我正在用python为机器学习课做作业。我昨天刚开始学习python，所以我不知道python中使用的实践

我的部分任务是从csv（2D数组）加载数据，让我们调用它

arr_2D

，并对其进行规范化

我在网上找到了

sklearn

和

numpy

解决方案，但他们希望2D数组作为输入

加载

arr\u2d

后，我的方法是将它们解析为对象数组（

data:[HealthRecord]

）

我的解决方案是类似于此的代码（注意：有点伪代码）

结果现在包含

3*个数据。长度
项，我将使用
sklearn
对
Result
数组中的单行进行规范化，然后将其向后旋转并解析为
healthcrecord

我认为这太复杂了，我希望看到一种更简单的方法，比如将
[HealthRecord]
发送到
sklearn.normalize


下面的代码显示了我的（简化）加载和解析：

class Person: 
    age: int
    height: int
    weight: int
    

def arr_2_obj(data: [[]]) -> Person:
    person = Person()
    person.age = data[0]
    person.height = data[1]
    person.weight = data[2]

    return person


# age (days), height (cm), weight (kg)
input = [
    [60*365, 125, 65],
    [30*365, 195, 125],
    [13*365, 116, 53],
    [16*365, 164, 84],
    [12*365, 125, 96],
    [10*365, 90, 46],    
]

parsed = []

for row in input:
    parsed.append(arr_2_obj(row))  

注：
Person
类别为
healthcrecord

感谢您的任何意见或见解

编辑：键入sci学习->sklearn
你不能。实际上，您正在处理表格数据。python中处理表格数据的标准（与最流行的非标准库一样）包是
pandas
，因此您可以执行以下操作：

将熊猫作为pd导入
df=pd.DataFrame（[d.\uuu dict\uuu用于数据中的d]）
标准化的_df=（df.mean（））/df.std（）#示例标准化

如果您坚持处理对象数组而不是表，您可以编写一个类，该类进行必要的转换以缩短符号，例如

类对象列表：
定义初始化（自、对象类型、记录）：
self.objects=[记录中记录的对象类型（**记录）]
def到数据帧（自身）：
返回pd.DataFrame（[d.\u dict\u用于self.objects中的d]）
类个人列表（对象列表）：
定义初始化（自我，记录）：
super（）.\uuuuu init\uuuuuuuuuuu（个人，记录）

以上假设
类人
具有接受参数
身高
，
年龄
，
体重
的
函数

您也可以尝试通过重载运算符来进一步缩短符号，但除非您正在编写库代码，否则我不明白您为什么要这样做。
Id要补充的是，解析的CSV的实际长度是70000*13。另外，我正在将数据解析到类中，以便于操作。加载数据集后，我根据不正确或超出范围的值清理行，并将文本值编码为数字。这是否回答了您的问题@乔：不，不是。我知道你们提到的线程，正如我在问题中所说的，我正在寻找另一种方法。上述线程将2D数组视为输入，而我希望传递对象数组以进行规范化。感谢您的帮助。我把“你不能”标记为正确答案。我已经将pandas作为
DataFrame
加载了CSV，但是在我的4MB CSV（70000行，13列）上使用它需要更长的时间。你建议采用什么方法和结构？编辑：我所说的更长时间是指使用DataFrame.values，而不是整个DataFrame的速度更快。read_csv是我所知道的在python中读取csv的最快方式（与numpy函数相反），之后它具体取决于您使用它进行的计算-通常对于机器学习，您需要数字形式的数据，例如，作为numpy ndarray或张量，您可能需要将分类字段转换为1-热向量，消除您可能不会直接使用的字段，如字符串等。在任何情况下，您最终需要一组矩阵进行计算。
class Person: 
    age: int
    height: int
    weight: int
    

def arr_2_obj(data: [[]]) -> Person:
    person = Person()
    person.age = data[0]
    person.height = data[1]
    person.weight = data[2]

    return person


# age (days), height (cm), weight (kg)
input = [
    [60*365, 125, 65],
    [30*365, 195, 125],
    [13*365, 116, 53],
    [16*365, 164, 84],
    [12*365, 125, 96],
    [10*365, 90, 46],    
]

parsed = []

for row in input:
    parsed.append(arr_2_obj(row))