我有两个功能rank
和ratings
用于在不同日期从电子商务网站上抓取的不同类别下的不同产品ID
此处提供的示例数据帧:
import pandas as pd
import numpy as np
import warnings; warnings.simplefilter('ignore')
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import RobustScaler
df=pd.read_csv('https://raw.githubusercontent.com/amanaroratc/hello-world/master/testdf.csv')
df.head()
category bid date rank ratings
0 Aftershave ASCDBNYZ4JMSH42B 2021-10-01 61.0 462.0
1 Aftershave ASCDBNYZ4JMSH42B 2021-10-02 69.0 462.0
2 Aftershave ASCDBNYZ4JMSH42B 2021-10-05 89.0 463.0
3 Aftershave ASCE3DZK2TD7G4DN 2021-10-01 309.0 3.0
4 Aftershave ASCE3DZK2TD7G4DN 2021-10-02 319.0 3.0
我想使用sklearn中的MinMaxScaler()
规范化rank
和ratings
我试过了
cols=['rank','ratings']
features=df[cols]
scaler1=MinMaxScaler()
df_norm[['rank_norm_mm', 'ratings_norm_mm']] = scaler1.fit_transform(features)
这将对整个数据集进行规范化。
我想使用groupby
对每个特定日期的每个类别执行此操作
使用^{} :
另一个解决方案:
使用
groupby_apply
:相关问题 更多 >
编程相关推荐