python 数据归一化代码

当进行数据归一化时，可以使用以下代码来实现：

from sklearn.preprocessing import MinMaxScaler

# 假设有一个数据集 X
X = [[x1, x2, x3, ...], [y1, y2, y3, ...], [z1, z2, z3, ...], ...]

# 创建 MinMaxScaler 对象
scaler = MinMaxScaler()

# 计算最小值和最大值，并进行归一化
X_normalized = scaler.fit_transform(X)

上述代码使用了`sklearn.preprocessing`模块中的`MinMaxScaler`类，它可以将数据集中的每个特征缩放到指定的范围（默认是[0, 1]）。

在代码中，我们假设有一个数据集`X`，其中每个子列表表示一个样本的特征。我们创建了一个`MinMaxScaler`对象，并使用`fit_transform`方法将数据归一化到[0, 1]范围内。归一化后的结果存储在`X_normalized`变量中。

你可以根据自己的需求调整范围或使用其他数据归一化方法，如StandardScaler等。