对 pandas DataFrame 的每一列进行归一化

Question

每一列的数据框（Dataframe）都需要根据该列第一个元素的值进行归一化处理。

for timestamp, prices in data.iteritems():
    normalizedPrices = prices / prices[0]
    print normalizedPrices     # how do we update the DataFrame with this Series?

但是，一旦我们创建了归一化的数据列，怎么才能更新这个数据框呢？我觉得如果我们用 prices = normalizedPrices 这样的方式，我们其实是在操作数据框的一个副本，而不是直接修改原来的数据框。

Answer 1

在编程中，有时候我们需要处理一些数据，比如从一个地方获取数据，然后把它放到另一个地方。这个过程就像是搬家，把东西从一个房间搬到另一个房间。

在这个过程中，我们可能会用到一些工具，比如变量、函数或者库。变量就像是一个箱子，可以用来存放数据；函数就像是一个搬运工，负责把数据从一个地方搬到另一个地方；而库则是一些现成的工具，可以帮助我们更方便地完成任务。

当我们在编写代码时，可能会遇到一些问题，比如数据格式不对、找不到数据源或者搬运工（函数）出错。这些问题就像是在搬家的时候，可能会遇到箱子打不开、搬运工迟到等情况。

解决这些问题的方法通常是仔细检查代码，确保每一步都正确，就像在搬家时要确保每个箱子都打包好、搬运工都按时到达。

总之，编程就像是一个复杂的搬家过程，需要我们耐心和细心，才能把数据顺利地从一个地方搬到另一个地方。

import numpy

data[0:] = data[0:].values/data[0:1].values 

Answer 2

把值赋给 data[col]：

for col in data:
    data[col] /= data[col].iloc[0]

Answer 3

最简单的方法可能是一次性对整个数据表进行标准化，这样就可以避免逐行或逐列的循环操作。

>>> df = pd.DataFrame({'a': [2, 4, 5], 'b': [3, 9, 4]}, dtype=np.float) # a DataFrame
>>> df
   a  b
0  2  3
1  4  9
2  5  4

>>> df = df.div(df.loc[0]) # normalise DataFrame and bind back to df
>>> df
     a         b
0  1.0  1.000000
1  2.0  3.000000
2  2.5  1.333333