用StandardScaler对Age和Salary两列的数据进行归一化

以下是Python代码：

from sklearn.preprocessing import StandardScaler
import pandas as pd

# 创建一个DataFrame来存储Age和Salary数据
data = {'Age': [25, 30, 35, 40, 45],
        'Salary': [50000, 60000, 70000, 80000, 90000]}
df = pd.DataFrame(data)

# 创建StandardScaler对象
scaler = StandardScaler()

# 对Age和Salary列进行归一化
df[['Age', 'Salary']] = scaler.fit_transform(df[['Age', 'Salary']])

# 打印归一化后的数据
print(df)

输出结果如下：

        Age    Salary
0 -1.414214 -1.414214
1 -0.707107 -0.707107
2  0.000000  0.000000
3  0.707107  0.707107
4  1.414214  1.414214

可以看到，经过StandardScaler归一化后，Age和Salary两列数据都变成了均值为0，标准差为1的正态分布。