StandardScaler.fit() 显示值错误

Question

我正在使用StandardScaler来扩展我的数据，如教程所示。但它不起作用。

我尝试复制与教程中使用的相同代码，但仍然显示错误。

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(df.drop('TARGET CLASS',axis=1))
scaled_features = scaler.transform(df.drop('TARGET CLASS',axis=1))

错误如下：

 TypeError: fit() missing 1 required positional argument: 'X'

Answer 1

通过尝试重现您的问题，似乎代码中的所有内容都是正确的并且正在完美执行。下面是我为测试代码而创建的独立示例：

import pandas as pd
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
data = load_iris()
df = pd.DataFrame(data.data, columns=['TARGET CLASS', 'a', 'b', 'c'])
scaler = StandardScaler()
scaler.fit(df.drop('TARGET CLASS', axis=1))
scaled_features = scaler.transform(df.drop('TARGET CLASS',axis=1))

我建议您通过打印来检查变量df。例如，您可以尝试在传递它并打印其内容之前将其转换为 NumPy 数组：

import numpy as np
X = df.drop('TARGET CLASS',axis=1).values
print(X)