Python 使用for循环缩放列

我想用一个函数缩放数据帧中一列的所有值。这是迄今为止的功能：

def scale0_1(cname):
     temp = array(cname)
     for i in range(len(temp)):
         value = temp[i]-min(temp)/(max(temp)-min(temp))
         temp[i] = value
     return pd.DataFrame(temp)

下面是一个用于测试函数的示例列：

samplecolumn = pd.DataFrame([7.0, 15.8, 19.4, 11.4])

但是，当我对数据帧的一列（任何数字列都可以）使用函数时，它只返回原始值，什么也不做。没有错误消息。有人知道如何解决这个问题吗

---

我非常感谢您的帮助：）

使用熊猫数据帧，您可以对整个列应用操作。这允许您执行以下操作：

def scale0_1(cname):
    scale_factor = min(cname) / (max(cname) - min(cname))
    return cname - scale_factor

---

这还允许您在整个操作过程中将数据保存在pandas系列或数据帧中，并避免将其转换为数组并返回的额外复杂性。

使用pandas数据帧，您可以将操作应用于整个列。这允许您执行以下操作：

def scale0_1(cname):
    scale_factor = min(cname) / (max(cname) - min(cname))
    return cname - scale_factor

---

这还允许您在整个操作过程中将数据保存在一个系列或数据帧中，并避免将其转换为数组并返回的额外复杂性。

如果可能，您应该使用矢量化方法，而不是显式迭代行。例如，可以计算列的最大值和最小值。然后，在对序列执行操作时，计算将自动矢量化

df = pd.DataFrame({'A': [7.0, 15.8, 19.4, 11.4]})

col_min = df['A'].min()
col_max = df['A'].max()

df['B'] = (df['A'] - col_min) / (col_max - col_min)

这是一项经常执行的任务，因此您会发现它存在于其他第三方库中。例如，使用

sklearn

：

from sklearn import preprocessing

min_max_scaler = preprocessing.MinMaxScaler()
df['B'] = min_max_scaler.fit_transform(df['A'])

结果

print(df)

      A         B
0   7.0  0.000000
1  15.8  0.709677
2  19.4  1.000000
3  11.4  0.354839

---

在可能的情况下，应该使用矢量化方法，而不是显式地迭代行。例如，可以计算列的最大值和最小值。然后，在对序列执行操作时，计算将自动矢量化

df = pd.DataFrame({'A': [7.0, 15.8, 19.4, 11.4]})

col_min = df['A'].min()
col_max = df['A'].max()

df['B'] = (df['A'] - col_min) / (col_max - col_min)

这是一项经常执行的任务，因此您会发现它存在于其他第三方库中。例如，使用

sklearn

：

from sklearn import preprocessing

min_max_scaler = preprocessing.MinMaxScaler()
df['B'] = min_max_scaler.fit_transform(df['A'])

结果

print(df)

      A         B
0   7.0  0.000000
1  15.8  0.709677
2  19.4  1.000000
3  11.4  0.354839

---

使用

np.interp

a=df[0].values

np.interp(a, (a.min(), a.max()), (0, +1))
Out[36]: array([0.        , 0.70967742, 1.        , 0.35483871])

---

使用

np.interp

a=df[0].values

np.interp(a, (a.min(), a.max()), (0, +1))
Out[36]: array([0.        , 0.70967742, 1.        , 0.35483871])

---

---

您可以添加一些示例数据吗？看起来您正在查找什么是

cname

？如果是列名，

array（cname）

应该做什么？无法复制您的问题<代码>缩放0_1（样本列）->

6.4、15.3、…=samplecolumn

。帖子没有MCVE，OP声称存在的问题无法复制。因此，没有一个答案能够解决为什么OP的代码不起作用的问题，而只是提出了替代方案。投票结束。你能添加一些样本数据吗？看起来你在寻找什么是

cname

？如果是列名，

array（cname）

应该做什么？无法复制您的问题<代码>缩放0_1（样本列）->

6.4、15.3、…=samplecolumn

。帖子没有MCVE，OP声称存在的问题无法复制。因此，没有一个答案能够解决为什么OP的代码不起作用的问题，而只是提出了替代方案。投票结束。很好，谢谢！我不知道熊猫有那个功能。很好，谢谢！我不知道熊猫有这样的功能。这很好。为了OP的好处，我还想提一下，您可以将数组直接分配给一个系列，即..

df['B']=np.interp（…）

。谢谢您-不知道这个存在@cholz yw:-）快乐的编码这很整洁。为了OP的好处，我还想提一下，您可以将数组直接分配给一个系列，即..

df['B']=np.interp（…）

。谢谢您-不知道这个存在@乔尔兹：祝你好运谢谢你不知道这个存在！谢谢-我不知道这个存在！