Python 中有很多操作數(shù)組的第三方庫，其中最重要的就是 numpy 庫。這個庫包含了很多強大的函數(shù)，其中就有標準化函數(shù)。

import numpy as np
# 創(chuàng)建一個數(shù)組
data = np.array([1, 2, 3, 4, 5])
# 標準化數(shù)據(jù)
mean = np.mean(data)
std = np.std(data)
data_stand = (data - mean) / std
print(data_stand)

這里首先導(dǎo)入了 numpy 庫，然后創(chuàng)建了一個數(shù)組 data，接著使用了 mean 和 std 函數(shù)來求出數(shù)據(jù)的均值和標準差。最后使用標準化公式將數(shù)據(jù)進行了處理，并將結(jié)果存儲在 data_stand 變量中。

在上面的代碼示例中，我們使用了 NumPy 庫中的幾個函數(shù)，在實際工作中，可能還會使用 Pandas、Scipy 或者 Scikit-learn 等其他庫來進行數(shù)據(jù)處理，這些庫也都包含了標準化函數(shù)。

標準化的主要作用是讓數(shù)據(jù)更具有可比性和可解釋性，可以減少數(shù)據(jù)間的差異。同時，標準化過程也可以讓有單位差異的數(shù)據(jù)變得相對無量綱，便于進行一些統(tǒng)計分析。