1、实现三种数据标准化函数，min-max分别将最低、最高映射为0-1和 60-100（两个子函数）、Z-score标准化、sigmod标准化。

在编程中，我们通常会创建一些函数来实现数据的标准化，以便于处理和比较。这里我会为你介绍三种常见的数据标准化方法：

1. **Min-Max标准化 (0-1 范围)**:
这种方法也称为归一化，通过将所有数值缩放到一个新的区间，例如 [0, 1]。计算公式是：

   scaled_value = (original_value - min_value) / (max_value - min_value)

对于将最低值映射到0，最高值映射到100的情况，可以先找到最小值`min`和最大值`max`，然后转换为:

   scaled_value = (value - min) * 100

2. **Min-Max标准化 (60-100 范围)**:
类似地，如果目标区间是 [60, 100]，则调整公式为:

   scaled_value = (value - min) / (max - min) * 40 + 60

3. **Z-Score标准化**:
Z-Score是一种统计学上常用的标准化方法，它通过减去平均值并除以标准差，使得数据分布在均值为中心，标准差为单位的正态分布中。公式为：

   scaled_value = (value - mean) / standard_deviation

其中`mean`是平均值，`standard_deviation`是标准差。

4. **Sigmoid 标准化**:
Sigmoid函数常用于神经网络激活函数，但它也可以作为一种非线性的标准化方式。sigmoid函数本身将数据映射到(0, 1)之间，可以看作是另一种形式的归一化。对于每个值`x`：

   scaled_value = 1 / (1 + e^(-x))