（4）用Z-SCORE标准化age列，用MaxMin数据归一化orders列。

可以使用Python中的pandas和scikit-learn库来进行Z-Score标准化和MaxMin数据归一化。

下面是一个示例代码，其中假设数据存储在一个名为df的DataFrame中，age列位于第2列（即索引为1），orders列位于第4列（即索引为3）：

import pandas as pd
from sklearn.preprocessing import StandardScaler, MinMaxScaler

# Z-Score标准化age列
scaler = StandardScaler()
df.iloc[:, 1] = scaler.fit_transform(df.iloc[:, 1].values.reshape(-1, 1))

# MaxMin数据归一化orders列
scaler = MinMaxScaler()
df.iloc[:, 3] = scaler.fit_transform(df.iloc[:, 3].values.reshape(-1, 1))

在上述代码中，我们先导入了pandas和scikit-learn库。接着，我们使用StandardScaler类来进行Z-Score标准化，使用MinMaxScaler类来进行MaxMin数据归一化。对于每一列，我们使用iloc方法来选取列，然后对该列进行对应的标准化/归一化操作。注意，由于fit_transform方法需要的输入是一个二维数组，因此我们需要使用reshape方法将选取的列转换为二维数组。最后，我们将标准化/归一化后的结果直接保存回DataFrame中，以便后续使用。