属性错误：“float”对象没有属性“max”

这是我之前的延续post https://stackoverflow.com/questions/26414913/normalize-columns-of-pandas-data-frame/48651066使用负值的特定条件对 Pandas DataFrame 的列进行规范化。

我正在使用的数据框如下：

import numpy as np
import pandas as pd

df = pd.DataFrame({'key' : [111, 222, 333, 444, 555, 666, 777, 888, 999],
                   'score1' : [-1, 0, 2, -1, 7, 0, 15, 0, 1], 
                   'score2' : [2, 2, -1, 10, 0, 5, -1, 1, 0]})

print(df)

   key  score1  score2
0  111      -1       2
1  222       0       2
2  333       2      -1
3  444      -1      10
4  555       7       0
5  666       0       5
6  777      15      -1
7  888       0       1
8  999       1       0

的可能值score1 and score2系列有-1以及所有正整数（包括0）。我的目标是通过以下方式标准化两列：

• 如果该值等于-1，然后返回缺失的NaN value
• 否则，将剩余的正整数标准化为0 and 1.

我非常满意solution https://stackoverflow.com/questions/57851077/normalizing-pandas-series-with-condition from ezrael。话虽这么说，我继续解决我的问题，看看是否能想出替代解决方案。这是我的尝试：

1. 我定义以下函数：

def normalize(x):
    if x == -1:
        return np.nan
    else:
        return x/x.max()

2. 我正在创建新的norm1将上述函数应用到系列中score1 Series:

df['norm1'] = df['score1'].apply(normalize)

不幸的是，这引发了以下问题AttributeError: 'int' object has no attribute 'max'.

我转换了score1系列至float64但它并不能解决问题：'float' object has no attribute 'max'.

我还做了一个快速测试，将第二个“return”语句替换为return x/15 (15的最大值score1系列）并且它有效：

   key  score1  score2     norm1
0  111    -1.0       2       NaN
1  222     0.0       2  0.000000
2  333     2.0      -1  0.133333
3  444    -1.0      10       NaN
4  555     7.0       0  0.466667
5  666     0.0       5  0.000000
6  777    15.0      -1  1.000000
7  888     0.0       1  0.000000
8  999     1.0       0  0.066667

但这不是一个可行的解决方案。我希望能够除以系列的最大值，而不是对其进行硬编码。WHY我的解决方案不起作用吗？HOW我要修复我的代码吗？

原因是AttributeError: 'float' object has no attribute 'max'错误是，在您的代码中，您在列的每个（浮动）项上调用 max() 函数，您可以将列的最大值传递给normalize功能：

def normalize(x, col_max):
    if x == -1:
        return np.nan
    else:
        return x/col_max

并编辑norm1列创建代码如下：

df['norm1'] = df['score1'].apply(lambda x: normalize(x, df['score1'].max()))