Python 如何一致地缩放数据帧MinMaxScaler（）sklearn

我有三个数据帧，每个数据帧分别使用MinMaxScaler（）进行缩放

我遇到的问题是，每个数据帧都会根据自己的一组列最小值和最大值进行缩放。我需要将我的所有数据帧缩放到相同的值，就好像它们共享整个数据的同一组列最小值和最大值一样。有没有办法用MinMaxScaler（）实现这一点？一种选择是制作一个大数据帧，然后在分区之前缩放数据帧，但这并不理想。

请查看sklearn的优秀功能

如您所见，支持

partial\u fit（）

！这允许在线缩放/小批量缩放，您可以控制小批量

例如：

import numpy as np
from sklearn.preprocessing import MinMaxScaler

a = np.array([[1,2,3]])
b = np.array([[10,20,30]])
c = np.array([[5, 10, 15]])

""" Scale on all datasets together in one batch """
offline_scaler = MinMaxScaler()
offline_scaler.fit(np.vstack((a, b, c)))                # fit on whole data at once
a_offline_scaled = offline_scaler.transform(a)
b_offline_scaled = offline_scaler.transform(b)
c_offline_scaled = offline_scaler.transform(c)
print('Offline scaled')
print(a_offline_scaled)
print(b_offline_scaled)
print(c_offline_scaled)

""" Scale on all datasets together in minibatches """
online_scaler = MinMaxScaler()
online_scaler.partial_fit(a)                            # partial fit 1
online_scaler.partial_fit(b)                            # partial fit 2
online_scaler.partial_fit(c)                            # partial fit 3
a_online_scaled = online_scaler.transform(a)
b_online_scaled = online_scaler.transform(b)
c_online_scaled = online_scaler.transform(c)
print('Online scaled')
print(a_online_scaled)
print(b_online_scaled)
print(c_online_scaled)

输出：

Offline scaled
[[ 0.  0.  0.]]
[[ 1.  1.  1.]]
[[ 0.44444444  0.44444444  0.44444444]]
Online scaled
[[ 0.  0.  0.]]
[[ 1.  1.  1.]]
[[ 0.44444444  0.44444444  0.44444444]]

---

您可以这样做，但实际上，每个特征（列）都是基于其最大值和最小值进行缩放的，而不是基于数据集的最小值和最大值。我认为在所有情况下，您都需要根据其最小值和最大值来缩放其列。所以你应该使用MinMaxScaler@serafeim我编辑这篇文章是为了反映你所说的，希望能澄清。谢谢。这正是我需要完成的。

Offline scaled
[[ 0.  0.  0.]]
[[ 1.  1.  1.]]
[[ 0.44444444  0.44444444  0.44444444]]
Online scaled
[[ 0.  0.  0.]]
[[ 1.  1.  1.]]
[[ 0.44444444  0.44444444  0.44444444]]