Python 如何仅规范化scikit学习中的某些列？

我有以下类似的数据：

[
   [0, 4, 15]
   [0, 3, 7]
   [1, 5, 9]
   [2, 4, 15]
]

我使用了

oneHotEncoder

对这些数据进行预处理，因此适合线性回归，从而得出以下结论：

[
   [1, 0, 0, 4, 15]
   [1, 0, 0, 3, 7]
   [0, 1, 0, 5, 9]
   [0, 0, 1, 4, 15]
]

然而，我希望将这些数据正常化

到目前为止，我只是将数据正常化，如下所示：

preprocessing.normalize(data)

但是，这会使所有列（包括类别列）正常化

我的问题如下：

[
   [0, 4, 15]
   [0, 3, 7]
   [1, 5, 9]
   [2, 4, 15]
]

• 如何仅规范化某些列
• 对类别数据进行标准化是可取的，还是应该避免

谢谢大家!

用于将数据片段传递给

规范化
。至于您关于规范化类别数据的问题，您可能会在上找到更好的答案

第一个问题的示例：

[1]中的
：将numpy作为np导入
从sklearn.preprocessing导入规范化
#值作为浮点数或规格化会引发类型错误
X1=np.数组([
[1., 0., 0., 4., 15.],
[1., 0., 0., 3., 7.],
[0., 1., 0., 5., 9.],
[0., 0., 1., 4., 15.],
])
在[2]：X1[：，[3,4]]中#最后两列
Out[2]：数组（[4,15.]），
[  3.,   7.],
[  5.,   9.],
[  4.,  15.]])

规范化最后两列并分配给新的numpy数组，
X2

[3]中的
X2=normalize（X1[：，[3,4]]，轴=0）#轴=0表示列方向
X2
Out[3]：数组（[[0.49236596,0.6228411]，
[ 0.36927447,  0.29065918],
[ 0.61545745,  0.37370466],
[ 0.49236596,  0.6228411 ]])

现在连接
X1
和
X2
以获得所需的输出

[4]中的
：np.连接（（X1[：，[0,1,2]]，X2），轴=1）
Out[4]：数组（[1,0,0,0.49236596,0.6228411]，
[ 1.        ,  0.        ,  0.        ,  0.36927447,  0.29065918],
[ 0.        ,  1.        ,  0.        ,  0.61545745,  0.37370466],
[ 0.        ,  0.        ,  1.        ,  0.49236596,  0.6228411 ]])
如果您使用的是
pandas.DataFrame
，您可能需要检查
 您可以使用sklearn.preprocessing.MinMaxScaler函数将数据缩放到最大值=1，最小值=0。您可以在此处查看文档
亲爱的@kevin，如何应用最小-最大规格化，以产生最大规格化值=1和最小规格化值=0？“norm”（l1、l2或max）的两个参数似乎都不起作用。这与其他答案有何不同？