我需要标准化数据集中的列，避免标准化那些已经具有小值且标准差低于1的某些列。我想要标准化的所有列都存储在columns_to_normalize列表中。执行以下代码仍然无法帮助标准化过程：
from sklearn.compose import ColumnTransformerfrom sklearn.pipeline import Pipelinefrom pandas import DataFrame# 创建缩放器minmax_transformer = Pipeline(steps=[ ('minmax', MinMaxScaler())])# 对数据集进行标准化，避免序数列preprocessor = ColumnTransformer( remainder='passthrough', transformers=[ ('mm', minmax_transformer , columns_to_normalize) ])# 对数据拟合并转换模型df_norm_values = preprocessor.fit_transform(df)# 将数组转换回数据框df_norm = DataFrame(df_norm_values)# 设置列名column_names = list(df.columns)df_norm.columns = column_names# 标准化输入变量的总结df_norm.describe() 
例如，最后两列并未完全标准化，因为最小值是0.00和1.00，最大值是3.00和4.00，我不明白为什么我的代码无法实现这一点。
回答：
缩放器工作正常，但ColumnTransformer正在更改列的顺序：
转换后的特征矩阵中列的顺序遵循在转换器列表中指定列的顺序。未在转换器列表中指定的原始特征矩阵的列将从生成的转换特征矩阵中删除，除非在passthrough关键字中指定。使用passthrough指定的那些列将被添加到转换器输出的右侧。
这里是一个快速修复方案：
minmax_transformer = Pipeline(steps=[ ('minmax', MinMaxScaler())])# 对数据集进行标准化，避免序数列preprocessor = ColumnTransformer( remainder='passthrough', transformers=[ ('mm', minmax_transformer , columns_to_normalize) ])# 对数据拟合并转换模型df_norm_values = preprocessor.fit_transform(df)# 将数组转换回数据框df_norm = DataFrame(df_norm_values)# 设置列名passthrough_cols = list(df.columns)for col in columns_to_normalize: # 移除将被缩放的列 passthrough_cols.remove(col)column_names = columns_to_normalizecolumn_names.extend(passthrough_cols) # 堆叠列名df_norm.columns = column_names# 标准化输入变量的总结df_norm.describe() 