在pycharm对iris数据库1.读取数据使用三个类别全部的150个样本，只使用其中［2，3］两个维度的特征2.分割为训练集和测试集，随机30%为测试集3.进行标准化

在PyCharm中对Iris数据集进行上述操作，你需要使用到Pandas、NumPy以及Scikit-learn的一些函数。以下是详细的步骤：

1. **读取并选取数据**:
首先，我们需要从Iris数据集中挑选出第2和第3维的数据，并选择所有150个样本。假设我们已经将`iris`字典保存在内存中：

   data = iris.data[:, [2, 3]]  # 提取第2和第3维度特征
   labels = iris.target  # 保留类别标签

2. **划分训练集和测试集**:
使用`train_test_split`函数从Scikit-learn的`model_selection`模块划分数据：

   from sklearn.model_selection import train_test_split

   X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.3, random_state=42)  # 设置30%的数据作为测试集

`random_state`参数用于保证每次划分结果的一致性。

3. **数据标准化**:
对于数值特征，通常需要进行标准化以确保各维度间单位的统一性：

   from sklearn.preprocessing import StandardScaler

   scaler = StandardScaler()  # 创建标准caler对象
   X_train_scaled = scaler.fit_transform(X_train)  # 标准化训练集
   X_test_scaled = scaler.transform(X_test)  # 同样对测试集标准化

完成以上步骤后，你得到了经过特征选择、划分并标准化的训练集和测试集。接下来可以开始构建模型进行学习了。