st=StandardScaler() dataset_st=st.fit_transform(count) dataset_st=st.fit_transform(earn) dataset_st=st.fit_transform(gas) dataset_st=st.fit_transform(NG) dataset_st=st.fit_transform(EUA) dataset_st=st.fit_transform(CER) dataset_st=st.fit_transform(hs300) dataset_st=st.fit_transform(zz500) dataset_st=st.fit_transform(price)，怎么修改代码，使得数据可以无限大或者非常大，不受float64的影响

要使数据无限大或非常大，您可以使用Python中的Bigfloat库，它可以处理任意精度的浮点数。您可以将您的数据转换为Bigfloat类型，以避免受到float64的限制。以下是修改代码的示例：

from bigfloat import *

# 将数据转换为Bigfloat类型
count_st = [BigFloat(x) for x in st.fit_transform(count)]
earn_st = [BigFloat(x) for x in st.fit_transform(earn)]
gas_st = [BigFloat(x) for x in st.fit_transform(gas)]
NG_st = [BigFloat(x) for x in st.fit_transform(NG)]
EUA_st = [BigFloat(x) for x in st.fit_transform(EUA)]
CER_st = [BigFloat(x) for x in st.fit_transform(CER)]
hs300_st = [BigFloat(x) for x in st.fit_transform(hs300)]
zz500_st = [BigFloat(x) for x in st.fit_transform(zz500)]
price_st = [BigFloat(x) for x in st.fit_transform(price)]

# 将数据转换为numpy array类型
dataset_st = np.array([count_st, earn_st, gas_st, NG_st, EUA_st, CER_st, hs300_st, zz500_st, price_st])

# 进行标准化处理
dataset_st = st.fit_transform(dataset_st)

请注意，使用Bigfloat库可能会导致代码运行速度较慢，因为它需要更多的计算资源来处理任意精度的浮点数。