def normalize_numeric_data(): global file_path data = pd.read_csv(file_path) numeric_data = data.select_dtypes(include=['float64', 'int64']) scaler = StandardScaler() normalized_data = scaler.fit_transform(numeric_data) data.loc[:, numeric_data.columns] = normalized_data text_output.insert(tk.END, "标准化数值型数据成功，前10行数据如下：\n") text_output.insert(tk.END, str(data.head(10))) 请用中文解释每一句代码含义

1. `def normalize_numeric_data():` - 定义一个名为`normalize_numeric_data`的函数。
2. `global file_path` - 声明`file_path`是一个全局变量，可以在代码的任何地方使用。
3. `data = pd.read_csv(file_path)` - 从指定路径读取一个CSV文件，并将其存储在名为`data`的pandas DataFrame中。
4. `numeric_data = data.select_dtypes(include=['float64', 'int64'])` - 选择DataFrame `data`中只包含数字数据（即数据类型为`float64`或`int64`）的列，并将它们存储在名为`numeric_data`的新DataFrame中。
5. `scaler = StandardScaler()` - 创建一个`StandardScaler`类的实例，将用于标准化数字数据。
6. `normalized_data = scaler.fit_transform(numeric_data)` - 对`numeric_data` DataFrame应用`scaler`对象的`fit_transform`方法，将数据标准化为均值为0，标准差为1的数据。
7. `data.loc[:, numeric_data.columns] = normalized_data` - 通过选择所有行和包含数字数据的列，并将它们赋值为`normalized_data`数组中的值，将`data` DataFrame中的原始数字数据替换为标准化数据。
8. `text_output.insert(tk.END, "标准化数值型数据成功，前10行数据如下：\n")` - 向一个名为`text_output`的tkinter文本小部件插入一条消息，指示数字数据已成功标准化。
9. `text_output.insert(tk.END, str(data.head(10)))` - 将新标准化的`data` DataFrame的前10行插入`text_output`文本小部件中，以便用户可以在数据标准化后查看数据长什么样子。