在Scikit-learn中，可以使用preprocessing模块中的StandardScaler类来对数据进行标准化。下面是一个简单的示例代码，演示如何使用StandardScaler进行数据标准化：
from sklearn import preprocessing import numpy as np # 创建一个示例数据集 data = np.array([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]]) # 创建StandardScaler对象 scaler = preprocessing.StandardScaler() # 对数据集进行标准化 scaled_data = scaler.fit_transform(data) # 输出标准化后的数据 print(scaled_data) 在上面的示例中，首先创建了一个示例数据集data，然后创建了一个StandardScaler对象scaler。接下来使用fit_transform方法对数据集data进行标准化，并将结果保存在scaled_data中。最后输出标准化后的数据scaled_data。
需要注意的是，在对数据进行标准化之前，通常需要先对数据进行拟合（fit）操作，以便计算均值和标准差。然后再通过transform方法对数据进行标准化。
