smart contribution @ Parthasarathy时，我注意到其中一个特征具有NAN值，而另一个特征是整数，因此我将NAN值转换为0，并将一个类型应用于整数特征。我应用了以下代码：
来自sklearn。预处理导入规范化
continuous_columns =['费率'，'成本'，'总成本']
连续数据=电信公司[连续列]
连续数据['速率']=连续数据['速率'].类型（浮点型）
normalized_data =规格化（连续数据）

您可以尝试以下操作：

from sklearn.preprocessing import normalize

continuous_columns = ['rate','cost','Totalcost']
continuous_data= Table.loc[:, continuous_columns]
continuous_data['rate']= continuous_data['rate'].astype(float)
continuous_data['cost']= continuous_data['cost'].astype(float)
continuous_data['Totalcost']= continuous_data['Totalcost'].astype(float)
normalized_data = normalize(continuous_data)

normalized_data_df =pd.DataFrame(normalized_data , columns=continuous_columns) 
Table = Table.drop(continuous_columns, axis=1)
Final_data = pd.concat([Table, normalized_data_df ], axis=1)

现在Final_data包含您要查找的内容。