python按列进标准化

在Python中，数据预处理通常涉及到对数值特征进行标准化或归一化，以便于分析和模型训练。当你想要按列（column-wise）对数据进行标准化时，你可以使用pandas库中的`StandardScaler`或`MinMaxScaler`方法。这里以`StandardScaler`为例，它会将每列数据转换为均值为0，标准差为1的标准正态分布。

**按列标准化示例（使用pandas和sklearn库）**：

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 假设你有一个DataFrame df
df = pd.DataFrame({
    'feature1': [1, 2, 3, 4],
    'feature2': [5, 6, 7, 8],
    'feature3': [9, 10, 11, 12]
})

# 创建StandardScaler对象
scaler = StandardScaler()

# 对DataFrame的每一列进行标准化
scaled_df = scaler.fit_transform(df)

# 将结果转换回DataFrame，注意列名不变
scaled_df = pd.DataFrame(scaled_df, columns=df.columns)

# 打印标准化后的DataFrame
print(scaled_df)

**相关问题--:**
1. 除了StandardScaler，pandas还有哪些方法用于数据标准化？
2. StandardScaler适用于哪种类型的数值数据？
3. MinMaxScaler与StandardScaler的主要区别是什么？