引用一个数据对其fit_transform处理，并打印结果

当你在Python的数据分析或机器学习项目中使用scikit-learn库时，可能会遇到`fit_transform()`这个函数，它通常用于预处理数据集。例如，如果你有一个pandas DataFrame `df`包含数值型特征，你可以通过`sklearn.preprocessing.StandardScaler`或者`sklearn.feature_extraction.text.CountVectorizer`这样的类来进行操作。

假设我们有一个简单的例子，使用`StandardScaler`对数值列进行标准化：

from sklearn.preprocessing import StandardScaler

# 假设 df 是 pandas DataFrame，包含 'feature_column' 这一数值列
scaler = StandardScaler()
df['scaled_feature'] = scaler.fit_transform(df[['feature_column']])
print(df[['feature_column', 'scaled_feature']])

`fit_transform()`首先会调用`fit()`方法，该方法计算每列数据的均值和标准差。然后，`transform()`方法会应用这些统计信息，将每个数值缩放到新的范围（通常是0到1之间）。最后，我们将标准化后的结果添加回原始DataFrame中，并打印出来。