怎样把 pandas 结构的数据用 sklearn 进行归一化？

[acone2003]

我用如下的语句：

print( train_values )
scaler_value = sklearn.preprocessing.StandardScaler()
train_values = train_values.reshape( -1, 1 )
train_values = scaler_value.fit_transform( train_values )
print( train_values )

在没归一化之前，第一个 print()的显示结果为：
0 3.611735
1 3.061345
2 1.336066
3 4.472938
4 0.950000
5 1.005221
6 -1.695007
7 -1.863722
8 9.722779
9 -1.898245
10 -2.265924
11 -2.251220
12 -0.926588
13 0.601857
14 -2.401116
15 2.804064
16 0.063416
17 -2.446691
18 -2.990583
19 -1.146860
20 0.988730
21 0.401565
22 -0.364725
23 4.671857
24 1.135132
25 -0.300000
26 5.003030
27 -1.209091
28 3.397024
29 2.683139

59584 0.561141
59585 0.425851
59586 2.551711
59587 0.770950
59588 1.429819
59589 -0.038630
59590 -0.160140
59591 -2.024138
59592 0.987554
59593 2.120701
59594 2.076600
59595 0.173934
59596 0.547458
59597 0.775269
59598 0.871875
59599 0.215169
59600 0.069213
59601 -0.184726
59602 1.211879
59603 -1.038636
59604 1.261280
59605 1.851639
59606 0.537404
59607 2.216779
59608 -0.226362
59609 4.037632
59610 -2.224026
59611 -10.302545
59612 -1.040319
59613 -3.158932
Name: RealValues, Length: 59614, dtype: float64

归一化之后，第二个 print()的显示结果为：
[[ 0.67192266]
[ 0.57905474]
[ 0.28794649]
...
[-1.67584932]
[-0.1130236 ]
[-0.47049954]]

我应该怎样才能把归一化后的数据结构变回原来的样式？

[zilaijuan]

pd.Dataframe(归一化后[0,:])

？？

[acone2003]

谢谢 @zilaijuan,OK!

scaler_value = sklearn.preprocessing.StandardScaler()
train_values = train_values.reshape( -1, 1 )
train_values = scaler_value.fit_transform( train_values )
train_values = train_values.reshape( 1, -1 )
train_values = pandas.DataFrame( train_values[0,:] )