python - 为什么 MinMaxScaler 不更改数据集的 sns.pairplot？

Question

我正在尝试创建数据集的配对图，其中变量的数字截然不同(有些在 0-1 范围内，有些(例如年龄和月收入)可以更高)并且我想要缩放使用以下代码从 1 到 0-1 以上的变量:

scale_vars=['MonthlyIncome','age','NumberOfTime30-59DaysPastDueNotWorse','DebtRatio','NumberOfOpenCreditLinesAndLoans',
            'NumberOfTimes90DaysLate','NumberRealEstateLoansOrLines','NumberOfTime60-89DaysPastDueNotWorse',
            'NumberOfDependents']
scaler=MinMaxScaler(copy=False)
train2[scale_vars]=scaler.fit_transform(train2[scale_vars])

我的问题是，在缩放变量并再次创建配对图后，它根本没有改变。你知道这可能是什么原因造成的吗？这是我用来创建配对图的代码:

g=sns.pairplot(train2, hue='SeriousDlqin2yrs', diag_kws={'bw':0.2})

其中 SeriousDlqin2yrs 是 Y 变量。

Answer 1

这些图预计看起来相同，但不完全相同 - 刻度标签应该不同。缩放器进行线性变换，seaborn根据值的范围选择轴限制，因此散点图中点的排列不会改变。

由于我没有您的数据，因此与 Ronald Fisher 的经典鸢尾花数据集具有相同的效果:

import pandas as pd
import seaborn as sns; sns.set()
from sklearn.datasets import load_iris
from sklearn.preprocessing import MinMaxScaler

iris_dict = load_iris(as_frame=True)
iris = iris_dict['data']
iris['species'] = iris_dict['target']

g = sns.pairplot(iris, hue='species', diag_kws={'bw_method':0.2})

scale_vars = ['sepal length (cm)', 'sepal width (cm)', 
              'petal length (cm)', 'petal width (cm)']
scaler = MinMaxScaler(copy=False)
iris[scale_vars] = scaler.fit_transform(iris[scale_vars])

g = sns.pairplot(iris, hue='species', diag_kws={'bw_method':0.2})

请注意，缩放完成后，列名称应该已更改，因为它们不再是厘米。