我目前正在使用来自Weather Conditions in World War Two的数据集进行规范化。
我试图规范化的列的值是“Precip”（降水量/mm）。
看起来我把ndarray作为参数给了stats.boxcox()，但是我不明白我使用的数组是如何变成ndarray的。
Precip的dtype是object，它的str值是'T'。所以我做了一些预处理，以便在归一化之前将T替换为min值。代码如下：

weatherww2_data = pd.read_csv("../input/weatherww2/Summary of Weather.csv")
precip_data = pd.DataFrame(weatherww2_data.Precip)

# select rows whose column value is not T or 0
except_list = ['T', '0', 0]
excluded_precip_data = precip_data[~precip_data['Precip'].isin(except_list)]

# get min
min_precip_except_zero = excluded_precip_data.min(axis=0)

# replace T with minimum value
replaced_precip_data = precip_data.replace(to_replace='T', value=min_precip_except_zero)

字符串
下面是标准化的代码：

normalized_precip = pd.Series(stats.boxcox(replaced_precip_data)[0], name='Precip', index=replaced_precip_data.index)

型
这一行给出了错误消息：

/opt/conda/lib/python3.7/site-packages/scipy/stats/morestats.py in boxcox(x, lmbda, alpha, optimizer)
   1053     x = np.asarray(x)
   1054     if x.ndim != 1:
-> 1055         raise ValueError("Data must be 1-dimensional.")
   1056 
   1057     if x.size == 0:

ValueError: Data must be 1-dimensional.

型
有什么问题吗？
我检查了replaced_precip_data['Precip']的形状，它不是“一维”吗？我想我误解了数组维度的概念。

print(replaced_precip_data['Precip'].shape)

output> (119040,)

型