溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
兩種方式
>>> import numpy as np >>> import pandas as pd Backend TkAgg is interactive backend. Turning interactive mode on. >>> np.random.seed(1) >>> df_test = pd.DataFrame(np.random.randn(4,4)* 4 + 3) >>> df_test 0 1 2 3 0 9.497381 0.552974 0.887313 -1.291874 1 6.461631 -6.206155 9.979247 -0.044828 2 4.276156 2.002518 8.848432 -5.240563 3 1.710331 1.463783 7.535078 -1.399565 >>> df_test_1 = df_test >>> df_test.apply(lambda x: (x - np.min(x)) / (np.max(x) - np.min(x))) #方法一 0 1 2 3 0 1.000000 0.823413 0.000000 0.759986 1 0.610154 0.000000 1.000000 1.000000 2 0.329499 1.000000 0.875624 0.000000 3 0.000000 0.934370 0.731172 0.739260 >>> (df_test_1 - df_test_1.min()) / (df_test_1.max() - df_test_1.min())#方法二 0 1 2 3 0 1.000000 0.823413 0.000000 0.759986 1 0.610154 0.000000 1.000000 1.000000 2 0.329499 1.000000 0.875624 0.000000 3 0.000000 0.934370 0.731172 0.739260
結果一致且正確
以上這篇pandas 對每一列數據進行標準化的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
