我最近开始使用 are，我想扩展我的数据矩阵。我在这里找到了一种方法来在两点之间缩放一个系列
x <- data.frame(step = c(1,2,3,4,5,6,7,8,9,10))
normalized <- (x-min(x))/(max(x)-min(x))
由于我的数据由几列组成，因此我只想使用建议的函数对某些列进行规范化。
normalized <- function(x) (x- min(x))/(max(x) - min(x))
x[] <- lapply(x, normalized)
此外，我意识到我的数据集中的某些数据点等于 0，因此所提供的公式不再适用。我在这里添加了一个扩展建议：将r 数据帧缩放到 0-1 与 NA 值
normalized <- function(x, ...) {(x - min(x, ...)) / (max(x, ...) - min(x, ...))}
但我不明白我必须如何编码。例如，我想让第 4、5、6 和 10 列标准化，但我想让其余的列保持在数据集中的状态？我在第 4 列中尝试过：
data <- lapply(data[,4],normalized,na.rm= TRUE)
但它没有用（而不是数据框，结果是一个列表:-(...），有谁知道我如何解决它？
非常感谢！
我是python的新手，发现了这个出色的PCA双线图建议（绘制PCA加载和在sklearn中的双线图中加载（如R的自动绘图））。现在，我尝试为图例中的不同目标添加图例。但是该命令plt.legend()不起作用。
有一个简单的方法吗？例如，来自上面链接的虹膜数据和双标码。
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.decomposition import PCA
import pandas as pd
from sklearn.preprocessing import StandardScaler
iris = datasets.load_iris()
X = iris.data
y = iris.target
#In general a good idea is to scale the data
scaler = StandardScaler()
scaler.fit(X)
X=scaler.transform(X)
pca = PCA()
x_new = pca.fit_transform(X)
def myplot(score,coeff,labels=None):
xs = score[:,0]
ys = score[:,1]
n = coeff.shape[0]
scalex = 1.0/(xs.max() - xs.min())
scaley = 1.0/(ys.max() - …我有一个巨大的数据框。我想根据某个标准对一列中的值进行分组，并向另一列添加一个新值：对于number从 1000 到 1999列中的所有值，为该group列分配 1 。从 2000 年到 2999 年分配 2，以此类推。
为了更好地理解一个例子：我有数据框 df_test
number
0 1200
1 1300
2 1450
3 1555
4 2300
5 2341
6 2355
7 2800
8 3003
9 4010
我想按照上面的解释对值进行分组，从而得到以下新数据框。
number group
0 1200 1
1 1300 1
2 1450 1
3 1555 1
4 2300 2
5 2341 2
6 2355 2
7 2800 2
8 3003 3
9 4010 4
我用以下循环尝试过：
for i in range(len(df_test)):
if df_test.number[i] >= 1000 …