将获取到的数据进行z-score标准化

将数据进行z-score标准化可以使得数据的均值为0，标准差为1，从而更容易比较和分析不同的数据。具体步骤如下：

1. 计算数据集的均值和标准差。
2. 对每个数据点进行标准化，公式为：(x - mean) / std，其中 x 为原数据点，mean 为均值，std 为标准差。
3. 标准化后的数据集均值为0，标准差为1。

以下是一个Python代码示例：

import numpy as np

# 原始数据
data = [1, 2, 3, 4, 5]

# 计算均值和标准差
mean = np.mean(data)
std = np.std(data)

# 进行z-score标准化
data_zscore = [(x - mean) / std for x in data]

print("原始数据：", data)
print("均值：", mean)
print("标准差：", std)
print("标准化后的数据：", data_zscore)

输出结果为：

原始数据： [1, 2, 3, 4, 5]
均值： 3.0
标准差： 1.4142135623730951
标准化后的数据： [-1.414213562373095, -0.7071067811865475, 0.0, 0.7071067811865475, 1.414213562373095]