pandas 对每一列数据进行标准化的方法

要对 Pandas 的数据进行标准化，可以使用 sklearn 库中的 StandardScaler 模块。这个模块可以对每一列的数据进行标准化处理，使得每个属性的平均值为 0，方差为 1。

下面是具体步骤：

1.加载Pandas和Sklearn库

首先，我们需要加载 Pandas 和 Sklearn 库，并且读取数据，将其转换成 DataFrame 类型

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 读取数据
df = pd.read_csv('data.csv')
# 转换数据为 DataFrame 类型
df = pd.DataFrame(df)

2.数据标准化

使用 StandardScaler 对数据进行标准化处理

# 定义标准化器
scaler = StandardScaler()

# 对每列数据进行标准化处理
df[['feature1', 'feature2']] = scaler.fit_transform(df[['feature1', 'feature2']])

示例说明

假设我们有如下数据 (其中 feature1 代表身高， feature2 代表体重)：

ID	feature1	feature2
1	170	70
2	175	80
3	180	90
4	160	60
5	165	65

对每一列数据进行标准化的代码示例如下：

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 读取数据
df = pd.DataFrame({'ID': [1, 2, 3, 4, 5], 'feature1': [170, 175, 180, 160, 165], 'feature2': [70, 80, 90, 60, 65]})

# 定义标准化器
scaler = StandardScaler()

# 对每列数据进行标准化处理
df[['feature1', 'feature2']] = scaler.fit_transform(df[['feature1', 'feature2']])

# 显示标准化后的结果
print(df)

输出结果为：

   ID  feature1  feature2
0   1 -0.256637 -0.218218
1   2  0.514496  0.654654
2   3  1.285628  1.527525
3   4 -1.812815 -1.527525
4   5 -0.731673 -0.436436

可以看到，每列数据都被标准化为均值为 0，方差为 1 的正态分布。