'float' 对象不可迭代应用 lambda 函数答案

【问题标题】：'float' object is not iterable applying lambda funtion'float' 对象不可迭代应用 lambda 函数
【发布时间】：2020-08-29 11:29:24
【问题描述】：

我在应用这个 lambda 函数时遇到了这个问题：

stack['norm_val'] = stack.value.apply(lambda x : (x-min(x))/(max(x)-min(x)), axis=1)

我收到以下错误：

TypeError: 'float' object is not iterable

数据集下方

   stack = pd.DataFrame([['AAA', 22.232513666152954],
       ['BBB', 3.2749810218811035],
       ['CCC', 116.79930114746094],
       ['DDD', 23.851191759109497],
       ['EEE', 75.8379271030426]], columns = (['name','value']))

预期结果应该是数据框“norm_val”中具有标准化值的新列

   [0.16699094],
   [0.        ],
   [1.        ],
   [0.18124936],
   [0.63918415]

问题是，我猜这些值是浮点数，如何迭代这些值并应用 lambda 函数？

有什么想法吗？

【问题讨论】：

标签： python pandas

【解决方案1】：

在您使用标量的解决方案中，因此无法使用 min、max 函数。

在 pandas 中，您可以使用 Series 之类的列，因此请使用 Series.min 和 Series.max 来规范化列：

stack['norm_val'] = (stack['value']-stack['value'].min())/
                    (stack['value'].max()-stack['value'].min())
print (stack)
  name       value  norm_val
0  AAA   22.232514  0.166991
1  BBB    3.274981  0.000000
2  CCC  116.799301  1.000000
3  DDD   23.851192  0.181249
4  EEE   75.837927  0.639184

或者：

from sklearn import preprocessing

x = stack[['value']].to_numpy()
min_max_scaler = preprocessing.MinMaxScaler()
stack['norm_val'] = min_max_scaler.fit_transform(x)

【讨论】：

我想我需要休息一下；）