python pandas - 如何将规范化函数应用于数据框列答案

【问题标题】：python pandas - how to apply a normalise function to a dataframe columnpython pandas - 如何将规范化函数应用于数据框列
【发布时间】：2016-06-04 11:32:00
【问题描述】：

我有一个 pandas 数据框，输出类似于下面：

index    value
0    5.95
1    1.49
2    2.34
3    5.79
4    8.48

我想获取每列['value']的归一化值并将其存储在新列['normalised']中，但不确定如何将归一化函数应用于列...

我的标准化函数如下所示： (['value'] - min['value'])/(max['value'] - min['value']

我知道我可能应该使用 apply 或 transform 函数将新列添加到数据框，但不确定如何将规范化函数传递给 apply 函数...

对不起，如果我弄错了术语，但我是 python 的新手，尤其是 pandas！

【问题讨论】：

标签： python pandas

【解决方案1】：

让我们调用你的 DataFrame DF。

DF['normalised'] = (DF['value']-min(DF['value']))/(max(DF['value']-min(DF['value'])

成功了。

【讨论】：

这对你传递给min 和max 的类型不起作用，它们是pandas Series，这将引发ValueError，因为类型是类似数组的，所以赢了'不理解这种类型

【解决方案2】：

这些是非常标准的列操作：

>>> (df.value - df.value.min()) / (df.value.max() - df.value.min())
0    0.638054
1    0.000000
2    0.121602
3    0.615165
4    1.000000
Name: value, dtype: float64

你可以简单地写

df['normalized'] = (df.value - ....

【讨论】：

【解决方案3】：

我会考虑用户使用 lambda/apply 方法，我相信您将能够巧妙地使用它，这需要提前确定最小值和最大值。

首先，编写一个函数，该函数根据一些“全局”参数和从数据行获取的输入值输出一个值。

def norm(vmax, vmin, val):
    return (val-vmin)/(vmax-vmin)

接下来，从数据框中收集您的全局值：

val_min = df['value'].min()
val_max = df['value'].max()

最后，您可以应用该函数，创建一个新字段来保存结果：

df['new_field'] = df.apply(lambda row : norm(val_min,val_max,row['value']),axis=1)

df
    value   new_field
0   5.95    0.361946
1   1.49    1.000000
2   2.34    0.878398
3   5.79    0.384835
4   8.48    -0.000000

使用这种“lambda”方法的美妙之处在于，您可以随意调整您的函数，这（在我看来无论如何）可以更好地划分代码，允许重用 - 这总是一件好事。

【讨论】：