pandas计算dataframe中各列数据的 Z-score值

要计算一个DataFrame中各列数据的Z-score值，可以使用pandas中的 `apply()` 函数和 `scipy` 中的 `stats` 模块。

以下是一个示例代码：

import pandas as pd
from scipy import stats

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10], 'C': [11, 12, 13, 14, 15]})

# 计算每列的Z-score值
z_score_df = df.apply(lambda x: (x - x.mean()) / x.std())

# 输出结果
print(z_score_df)

这里使用了 `apply()` 函数来对每一列进行操作。在每一列上，我们使用了 `lambda` 函数来计算该列的Z-score值。具体来说，我们计算了每列的均值和标准差，并将每个元素减去均值并除以标准差，以得到Z-score值。

输出结果如下：

          A         B         C
0 -1.264911 -1.264911 -1.264911
1 -0.632456 -0.632456 -0.632456
2  0.000000  0.000000  0.000000
3  0.632456  0.632456  0.632456
4  1.264911  1.264911  1.264911

可以看到，每列的Z-score值已经被计算出来了。