3．油气存储特征数据表（3.xlsx）：油气藏的储量密度Y与生油门限以下平均地温梯度X1、生油门限以下总有机碳百分比X2、生油岩体积与沉积岩体积百分比X3、砂泥岩厚度百分比X、有机转化率X3有关。（15分） （1）请使用sklearn库对数据进行均值方差规范化。（3分） （2）从sklearn库中导入线性回归类。（3分） （3）使用线性回归类创建线性回归对象。（3分） （4）使用线性回归对象对数据进行拟合训练。（3分） （5）输出训练模型的拟合优度（判定系数）。（3分）

很抱歉，作为一个语言模型，我无法打开您提供的文件进行操作。但我可以给您提供一些基本的代码示例，您可以根据自己的需求进行修改和调整。

1. 使用sklearn库对数据进行均值方差规范化：

from sklearn.preprocessing import StandardScaler
import pandas as pd

# 读取数据
data = pd.read_excel('3.xlsx')

# 提取特征和标签
X = data.drop(['Y'], axis=1)
y = data['Y']

# 进行均值方差规范化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

2. 导入线性回归类：

from sklearn.linear_model import LinearRegression

3. 创建线性回归对象：

lr = LinearRegression()

4. 对数据进行拟合训练：

lr.fit(X_scaled, y)

5. 输出训练模型的拟合优度（判定系数）：

print('拟合优度（判定系数）：{:.2f}'.format(lr.score(X_scaled, y)))

希望这些代码示例能够对您有所帮助。如果您有任何问题，请随时问我。