利用sklearn进行数据归一化_pandas 每一列minmaxscalar

利用sklearn进行数据归一化

1.

from sklearn.preprocessing import MinMaxScaler
data = [[-1,2],[-0.5,6],[0,10],[1,18]]      #生成的是4*2的矩阵
import pandas as pd
data = pd.DataFrame(data)
print(data)
print(data.shape)
1
2
3
4
5
6

     0   1
0 -1.0   2
1 -0.5   6
2  0.0  10
3  1.0  18

(4, 2)
1
2
3
4
5
6
7

注意data的形式，是生成一个4*2的矩阵

2.

#实现归一化
scalar = MinMaxScaler()  #实例化
scalar = scalar.fit(data)
result = scalar.transform(data)
print(result)
1
2
3
4
5

或者：

#实现归一化
scalar = MinMaxScaler()  #实例化
result_ = scalar.fit_transform(data)
print(result_)
1
2
3
4

[[0.   0.  ]
 [0.25 0.25]
 [0.5  0.5 ]
 [1.   1.  ]]
1
2
3
4

3.
从归一化矩阵恢复到原来矩阵

inverse_result = scalar.inverse_transform(result_)
print(inverse_result)
1
2

[[-1.   2. ]
 [-0.5  6. ]
 [ 0.  10. ]
 [ 1.  18. ]]
1
2
3
4

4.
利用feature_range属性

#实现归一化
scalar = MinMaxScaler(feature_range=[5,10])  #实例化
result_ = scalar.fit_transform(data)
print(result_)
1
2
3
4

[[ 5.    5.  ]
 [ 6.25  6.25]
 [ 7.5   7.5 ]
 [10.   10.  ]]
1
2
3
4