from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() data_normalized = scaler.fit_transform(data)，将data_normalized保存为数据表

当你使用`sklearn.preprocessing.MinMaxScaler`将数据归一化，并将结果存储到`data_normalized`变量中后，这个变量实际上是一个二维数组，每一行对应一个观测样本，每一列对应归一化后的特征值。如果你想要将其保存为一个新的数据表，你可以选择以下几种方式之一：

1. **CSV文件**：

   df_normalized = pd.DataFrame(data_normalized, columns=data.columns)  # 假设data是Pandas DataFrame
   df_normalized.to_csv('normalized_data.csv', index=False)

2. **Excel文件**：

   df_normalized.to_excel('normalized_data.xlsx', index=False)

3. **NumPy数组保存**（二进制文件）：

   np.save('normalized_data.npy', data_normalized)

4. **HDF5文件**（适合大型数据集）：

   import h5py
   with h5py.File('normalized_data.h5', 'w') as f:
       f.create_dataset('data', data=data_normalized)

以上操作会把归一化后的数据分别按照原来的数据结构保存成新的文件，便于后续加载和分析。