如何使用 MinMaxScaler() 将归一化应用于所有列，但排除分类？

Question

我是使用MinMaxScaler 的新手，所以如果这是一个非常非常简单的问题，请不要咬我的头。下面，我有以下数据集：

sample_df.head(2)

ID     S_LENGTH     S_WIDTH     P_LENGTH     P_WIDTH     SPECIES
-------------------------------------------------------------------
1      3.5          2.5          5.6         1.7        VIRGINICA
2      4.5          5.6          3.4         8.7         SETOSA

因此，如何使用下面的代码对我的所有列（不包括ID 和SPECIES 列）对该数据集应用规范化？

我基本上想使用preprocessing.MinMaxScaler() 来应用规范化，以便所有特征都在0和1的范围内。

这是我正在使用的代码...

min_max = preprocessing.MinMaxScaler()
min_max.fit_transform(sample_df)

...但是当我执行它时，我得到了这个错误：

ValueError: could not convert string to float: 'SETOSA'

非常感谢任何有关如何完成我想做的事情的帮助！

另外，如果这是一个非常愚蠢的问题，我深表歉意，但我是新手。

谢谢！

编辑（显示错误）：

或者，如果我这样做......

min_max = preprocessing.MinMaxScaler()
min_max.fit_transform(sample_df[['S_LENGTH', 'S_WIDTH']])

sample_df.head(2)

...我收到此错误：

AttributeError: 'numpy.ndarray' object has no attribute 'sample'

Answer 1

我怀疑这会很有帮助，但是您可以通过以下方式获取 numeric 列：

num_df = df[[i for i in df.columns if df[i].dtypes != 'O']]

num_df
Out[126]: 
   ID  S_LENGTH  S_WIDTH  P_LENGTH  P_WIDTH
0   1       3.5      2.5       5.6      1.7
1   2       4.5      5.6       3.4      8.7

然后在上面应用MinMaxScaler：

min_max = preprocessing.MinMaxScaler()
min_max.fit_transform(num_df)

Out[129]:
array([[0., 0., 0., 1., 0.],
       [1., 1., 1., 0., 1.]])

编辑： 使用您的df：

df
Out[162]: 
   ID  S_LENGTH  S_WIDTH  P_LENGTH  P_WIDTH    SPECIES
0   1       3.5      2.5       5.6      1.7  VIRGINICA
1   2       4.5      5.6       3.4      8.7     SETOSA

使用以下代码：

num_df = min_max.fit_transform(pd.DataFrame((df[[i for i in df.columns if df[i].dtypes != 'O']])))
num_df.columns = [i for i in df.columns if df[i].dtypes != 'O']
cat_df = (df[[i for i in df.columns if df[i].dtypes == 'O']])
res = pd.merge(num_df,cat_df,left_index=True,right_index=True)

这会给你：

print(res)

    ID  S_LENGTH  S_WIDTH  P_LENGTH  P_WIDTH    SPECIES
0  0.0       0.0      0.0       1.0      0.0  VIRGINICA
1  1.0       1.0      1.0       0.0      1.0     SETOSA

逐行尝试代码，如果这是您需要的，请告诉我。