方法一：自定义处理

# 将数据scale为(0,1)间数据
scaled_df = (df - df.min()) / (df.max()-df.min())   
# 将(0,1)间数据scale回原来的范围
scaled_df * (df.max() - df.min()) + df.min()

方法二：MinMaxscaler

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler(feature_range=(0, 1))
scaler.fit( df )                          #找出每列最大、小值，并存储
scaled_df = scaler.transform( df )        #将df进行转化到(0,1)间
scaler.data_max_                          #查看最大值
scaler.data_min_                          #查看最小值
# scaled_df = scaler.fit_transform( df )   将fit,transform一步到位
scaler.inverse_transform( scaled_df )     #将数据返回到原来的范围