dataframe 如何按列将数据进行标准化，举个完整的例子

DataFrame在Pandas库中是一种二维表格型的数据结构，用于存储和处理大量数据。如果你想要按列对DataFrame中的数值数据进行标准化（也称为归一化），可以使用`scikit-learn`库中的`StandardScaler`或者直接利用Pandas的内置函数。

这里是使用`StandardScaler`的一个例子：

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 假设我们有一个简单的DataFrame
data = {
   'A': [1, 2, 3, 4, 5],
   'B': [6, 7, 8, 9, 10],
   'C': [11, 12, 13, 14, 15]
}
df = pd.DataFrame(data)

# 创建一个Scaler对象
scaler = StandardScaler()

# 按列进行标准化，需要先将每一列转换成NumPy数组
scaled_data = scaler.fit_transform(df.values)

# 将标准化后的数据添加回DataFrame，原列名不变
df_normalized = pd.DataFrame(scaled_data, columns=df.columns, index=df.index)

print("标准化后的DataFrame:")
print(df_normalized)

如果你只是想在Pandas内部简单地做列缩放，可以使用`applymap()`和`minmax_scale()`：

def normalize_series(series):
    return (series - series.min()) / (series.max() - series.min())

df_normalized = df.apply(normalize_series, axis=0)

print("使用Pandas内置函数的标准化后的DataFrame:")
print(df_normalized)