假设有一个数据文件a.txt，写一段代码实现1.从文件中加载数据 2.对数据进行归一化 3.构造数据集提供器

下面是一段 Python 代码，使用 NumPy 和 Pandas 库实现了从文件中加载数据、对数据进行归一化以及构造数据集提供器的功能：

import numpy as np
import pandas as pd

# 从文件中加载数据
data = pd.read_csv('a.txt', header=None, delimiter='\t')

# 对数据进行归一化
data_norm = (data - data.mean()) / data.std()

# 构造数据集提供器
def data_generator(batch_size):
    while True:
        indices = np.random.permutation(len(data_norm))
        for i in range(0, len(indices), batch_size):
            batch_indices = indices[i:i+batch_size]
            yield data_norm.iloc[batch_indices].values

首先使用 Pandas 的 `read_csv` 函数从文件中读取数据，将其存储在一个 DataFrame 对象 `data` 中。然后使用 NumPy 中的归一化公式将数据进行归一化，得到一个新的 DataFrame 对象 `data_norm`。

最后定义了一个数据集提供器 `data_generator`，它接受一个批次大小 `batch_size`，并且每次调用时返回一个大小为 `batch_size` 的数据批次。该数据批次是从归一化后的数据集中随机选择的。

使用示例：

# 创建数据集提供器
batch_size = 32
data_provider = data_generator(batch_size)

# 获取一个数据批次
batch = next(data_provider)
print(batch.shape)  # (32, num_features)