在Python中，有没有一种方法可以使用MinMax缩放来缩放变量，以避免0和1的极值？

我正在处理心理测量数据，目前正在使用以下比例函数：

from sklearn.preprocessing import MinMaxScaler 
scaler = MinMaxScaler()
score= scaler.fit_transform(df['raw_score'])*10

我打算在一项调查中使用这一点，将分数返回给10分中的人，并试图避免异常值/得分最低或最高的人的极端分数为0或10

例如，我宁愿分数为9.8，而不是10分，因为从视觉角度看，分数为10会让人不舒服。我理解这需要在评分中包含一定程度的错误，但我不认为返回的分数与原始分数相差不太远会成为问题

我尝试使用以下代码将最大值/最小值增加1%，以调整分数：

def rescale(score, minimum, maximum):
    if type(score) == pd.Series:
        score = score[0]
    else:
        score = score
        
    if score >= maximum:
        maximum = 1.1* score

    if score <= minimum:
        minimum = 0.9* score

    return ((score - minimum)/(maximum - minimum)) * 10

def重新缩放（分数、最小值、最大值）：
如果类型（分数）=pd.系列：
分数=分数[0]
其他：
分数=分数
如果得分>=最大值：
最大值=1.1*分
如果得分，你要找的就是夹钳；从NUMPY 
考虑<代码> clip（）<代码>方法
import numpy as np  
np.clip([0,2.35,6.4,8.0,8.9,9.999,10.0,10,10.1], 0.2, 9.8)

把分数乘以
0.96
，然后加上
0.2
，怎么样？它将
0
转换为
0.2
，
10
转换为
9.8
，但将
5.0
的中点保持在
5.0
。您可以轻松地撤消任何值的过程。