dataframe归一化

数据归一化是一种常见的数据预处理方法，可以将数据缩放到一定范围内，使得不同特征之间具有可比性，同时也有助于提高模型训练的速度和效果。在 Pandas 中，可以使用 `sklearn` 库中的 `MinMaxScaler` 类进行数据归一化。

具体步骤如下：

1. 导入 `MinMaxScaler` 类

from sklearn.preprocessing import MinMaxScaler

2. 创建 `MinMaxScaler` 类的实例对象

scaler = MinMaxScaler()

3. 调用 `fit` 方法拟合数据，计算出每个特征的最大值和最小值

scaler.fit(df)

4. 调用 `transform` 方法将数据进行归一化

df_normalized = scaler.transform(df)

其中，`df` 是需要进行归一化的 DataFrame 数据。在归一化后，`df_normalized` 将会是一个 ndarray 类型的数据，可以通过 `pd.DataFrame()` 将其转换为 DataFrame。

另外，如果只需要对 DataFrame 的某些列进行归一化，可以先选取需要处理的列，然后再进行归一化操作。例如：

selected_cols = ['col1', 'col2', 'col3']
df_selected = df[selected_cols]
df_normalized = scaler.fit_transform(df_selected)