Python的pandas库给出示例，实现对训练数据标准化处理，并给需要预测的数据做同样的标准化处理

当对训练数据实施标准化（例如，均值为 0，标准差为 1）时，应该记住：

1.使用 fit() 函数基于训练数据拟合标准化变换对象。

2.使用 transform() 函数基于拟合对象将训练数据进行标准化。

3.将同样的拟合对象应用于测试数据以便进行标准化。

下面是一个示例代码：

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 读入训练数据和需要预测的数据
train_data = pd.read_csv("train.csv")
test_data = pd.read_csv("test.csv")

# 准备训练特征和标签
train_X = train_data.drop('label', axis=1)
train_y = train_data['label']

# 使用 StandardScaler 对训练数据进行标准化
scaler = StandardScaler().fit(train_X)
train_X = scaler.transform(train_X)

# 对需要预测的数据做同样的标准化处理
test_X = scaler.transform(test_data)

# 只取前 5 行展示
print(train_X[:5])