请给我下面的代码添加注释

当然，下面是代码和注释：

# 导入所需的模块
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
data = pd.read_csv("data.csv")

# 数据预处理
X = data.iloc[:, 0]  # 获取第一列数据作为X
Y = data.iloc[:, 1]  # 获取第二列数据作为Y
X = (X - X.mean()) / X.std()  # 特征缩放

# 定义线性回归函数
def linear_regression(X, Y):
    m = len(X)
    X = X.reshape((m, 1))
    Y = Y.reshape((m, 1))
    X = np.hstack((np.ones((m, 1)), X))
    theta = np.zeros((2, 1))
    alpha = 0.01
    iterations = 1000
    for i in range(iterations):
        h = np.dot(X, theta)
        theta -= alpha * (1 / m) * np.dot(np.transpose(X), h - Y)
    return theta

# 运行线性回归函数
theta = linear_regression(X, Y)

# 根据预测模型绘制拟合直线
plt.scatter(X, Y, color="red")
plt.plot(X, np.dot(X.reshape((len(X), 1)), theta), color="blue")
plt.show()

注释已经添加在代码中，用于解释代码的不同部分的含义和功能。其中，代码主要实现了对数据的读取和预处理，以及使用梯度下降算法实现线性回归并绘制拟合直线。