【发布时间】：2019-08-30 02:07:23
【问题描述】：
我正在尝试将 pandas 或 numpy 数组从 0 缩放到未知的最大值，并将定义的数字替换为 1。
我尝试的一个解决方案是将我想要的定义数字除以数组。
test = df['Temp'] / 33
这种方法不能从 0 开始一直扩展，我一直在试图找出一种更好的数学方法来解决这个问题。
【问题讨论】：
标签： python pandas numpy dataframe normalize
【发布时间】：2019-08-30 02:07:23
【问题描述】：
首先，将 DataFrame 转换为 numpy 数组
import numpy as np
T = np.array(df['Temp'])
然后将其缩放到 [0, 1] 区间：
def scale(A):
return (A-np.min(A))/(np.max(A) - np.min(A))
T_scaled = scale(T)
然后将其转换为您想要的任何位置，例如到 [55..100]
T2 = 55 + 45*T_scaled
我确信这也可以在 Pandas 中完成（但我不熟悉它）。或许你可以学习 Pandas df.apply()
【讨论】：
-
谢谢，我一直在寻找更多的自动化方法来做到这一点，但我猜想将标准化函数转换为 0 + 1.35*scaled 的作品。我只需要不断调整直到它看起来正确。
-
哇，我不敢相信我无法弄清楚。我只需要将 np.max() 替换为我想成为最大值的数字！
-
谢谢！其实我不明白
0 to a unknown max value with the defined number replaced with 1的含义。你从哪里得到未知号码？你想用数字举个例子吗？ -
太棒了！所以未知数来自外部，而不是来自它自身的曲线。
-
我刚刚在下面发布了答案。基本上，当我试图测量 PID 响应并计算稳定区域的性能不足时，我想将数据从 0% 缩放到 100%。