python standardprint_sklearn StandardScaler返回所有零

我有一个sklearnStandardScaler从以前的模型中保存下来，并试图将其应用于新数据scaler = myOldStandardScaler

print("ORIG:", X)

print("CLASS:", X.__class__)

X = scaler.fit_transform(X)

print("SCALED:", X)

我有三个观察结果，每个都有2000个特征。如果我单独运行每个观察值，我得到的输出是全零。在

^{pr2}$

但是如果我把这三个观测值都加到一个数组中，我就会得到我想要的结果ORIG: [[ 0.00000000e+00 8.69737728e-08 7.53361877e-06 ..., 0.00000000e+00

0.00000000e+00 0.00000000e+00]

[ 9.49627142e-04 0.00000000e+00 0.00000000e+00 ..., 0.00000000e+00

0.00000000e+00 0.00000000e+00]

[ 3.19029839e-04 0.00000000e+00 1.90985485e-06 ..., 0.00000000e+00

0.00000000e+00 0.00000000e+00]]

CLASS:

SCALED: [[-1.07174217 1.41421356 1.37153077 ..., 0. 0. 0. ]

[ 1.33494964 -0.70710678 -0.98439142 ..., 0. 0. 0. ]

[-0.26320747 -0.70710678 -0.38713935 ..., 0. 0. 0. ]]

我见过这两个问题：

这两个问题都没有一个公认的答案。在

我试过：从(1，n)整形到(n，1)(这会产生不正确的结果)

将数组转换为np.float32和np.float64(仍然全部为零)

创建一个数组的数组(同样，都是零)

创建一个np.matrix(同样，都是零)

我错过了什么？fit_transform的输入得到相同的类型，只是大小不同。在

如何让StandardScaler使用单个观察值？