Python 为什么这段代码将一些值转换回Nan？

我有一个数据框“cars”，带有一列“price”。最初，它有4个空值。使用：

cars = cars.dropna(subset=['price'])

我把那几排扔了。然后我创建了一个新的数据框，数字车，只有数字数据。此时的Price仍然没有空值。然而，当我尝试规范化这个新数据帧中除price之外的所有值时，4个空值返回。我意识到我可以再扔一次，但为什么会这样？以下是规范化代码：

numeric_cars['price'].isnull().sum() #Output 0
from sklearn import preprocessing
price_col = numeric_cars['price'].copy()
x = numeric_cars.values #returns a numpy array
min_max_scaler = preprocessing.MinMaxScaler()
x_scaled = min_max_scaler.fit_transform(x)
numeric_cars = pd.DataFrame(x_scaled, columns = numeric_cols)
numeric_cars['price'] = price_col
numeric_cars['price'].isnull().sum() #Output 4

---

最小最大缩放器将通过执行

x=（x-min）/（max-min）

来转换数据

---

您确定没有任何列具有常量值吗？i、 e.最小值=最大值？也许它得到了一个0的除法，并生成了NaN。

您需要提供一个请阅读并查看为什么这只会导致4个空值？如果一列的最小值=最大值，不是每个值都会变成NaN吗？