如何在Python中对DataFrame数据按列执行标准化处理？

根本不需要手动写for循环，pandas的广播机制原生支持按列对齐运算，一行代码就能完成：

# 假设你存储数值的DataFrame变量名为df
standardized_df = (df - df.mean()) / df.std()

相关逻辑说明：

• df.mean() 默认沿0轴（逐列）计算每列的算术均值，返回索引和原DataFrame列名一致的Series
• df.std() 默认沿0轴计算每列的样本标准差（自由度为1），返回同结构的Series
• DataFrame和Series做算术运算时，pandas会自动按列名匹配对齐，逐列完成减法、除法运算，效率比手写for循环高很多。

如果你确实需要用for循环实现（比如需要在逐列处理时加其他自定义逻辑），可以参考下面的写法：

# 先拷贝原数据避免修改原始DataFrame
standardized_df = df.copy()
for col_name in df.columns:
    col_mean = df[col_name].mean()
    col_std = df[col_name].std()
    standardized_df[col_name] = (df[col_name] - col_mean) / col_std

注意：如果你的场景需要计算总体标准差（除以样本量n而非n-1），给std()方法传入参数ddof=0即可，即写为df.std(ddof=0)。

内容的提问来源于stack exchange，提问作者Michael Howell