Как масштабировать все столбцы, кроме последнего?

Question

Я использую python 3.7.6.

Я работаю над проблемой классификации.

Я хочу масштабировать столбцы объектов фрейма данных (df). dataframe содержит 56 столбцов (55 столбцов объектов, а последний столбец - целевой столбец).

Я хочу масштабировать столбцы объектов.

Я делаю это следующим образом:

y = df.iloc[:,-1]
target_name = df.columns[-1]
from FeatureScaling import feature_scaling
df = feature_scaling.scale(df.iloc[:,0:-1], standardize=False)
df[target_name] = y

но это кажется неэффективным, потому что мне нужно воссоздать dataframe (добавить целевой столбец к результату масштабирования).

Есть ли способ масштабировать только некоторые столбцы без изменений другие, эффективно? (т.е. результат из scale будет содержать масштабированные столбцы и один столбец, который не масштабируется)

Answer 1

Использование индекса столбцов для масштабирования или других операций предварительной обработки не очень хорошая идея, поскольку каждый раз, когда вы создаете новую функцию, она нарушает код. Скорее используйте имена столбцов. например,

с использованием scikit-learn:

from sklearn.preprocessing import StandardScaler, MinMaxScaler
features = [<featues to standardize>]
scalar = StandardScaler()
# the fit_transform ops returns a 2d numpy.array, we cast it to a pd.DataFrame
standardized_features = pd.DataFrame(scalar.fit_transform(df[features].copy()), columns = features)
old_shape = df.shape
# drop the unnormalized features from the dataframe
df.drop(features, axis = 1, inplace = True)
# join back the normalized features
df = pd.concat([df, standardized_features], axis= 1)
assert old_shape == df.shape, "something went wrong!"

или вы можете использовать функцию, подобную этой, если вы не предпочитаете разделять и объединять данные обратно.

import numpy as np
def normalize(x):
    if np.std(x) == 0:
        raise ValueError('Constant column')
    return (x -np.mean(x)) / np.std(x)

for col in features:
    df[col] = df[col].map(normalize)

Answer 2

Вы можете нарезать столбцы, которые вы хотите:

df.iloc[:, :-1] = feature_scaling.scale(df.iloc[:, :-1], standardize=False)