Python手动实现numpy ndarray标准化（均值0方差1）问题求助

• 认知修正：Z-score标准化（要求整体均值为0、方差为1）不限制单个处理后数值的绝对值必须小于1，方差是针对整个数据集的统计指标，不存在「单个数值的方差」这一概念。原数据中偏离均值超过1倍标准差的数值，标准化后结果自然会大于1或小于-1，属于正常现象，不是逻辑错误。如果需要限制输出范围，可在标准化后额外增加截断逻辑，不属于常规标准化的要求范畴。
• 现有代码问题：你当前的实现调用了np.mean、np.std两个现成的统计接口，不符合「手动实现逻辑」的要求，需要自行编写均值、标准差的计算逻辑，同时要补充标准差为0的边界处理，避免除零错误。

修正后的实现代码如下：

import numpy as np

def standardize_data(data):
    # 手动计算总体均值
    mean = np.sum(data) / data.size
    # 手动计算总体方差与标准差
    squared_diff = (data - mean) ** 2
    var = np.sum(squared_diff) / data.size
    std = np.sqrt(var)
    # 边界处理：所有元素值相同时标准差为0，直接返回全0数组
    if std < 1e-8:
        return np.zeros_like(data)
    return (data - mean) / std

验证方法：调用函数得到结果后，可通过np.mean(处理后数据)、np.var(处理后数据)验证统计特征，正常结果均值会趋近于0，方差趋近于1，符合要求。

内容的提问来源于stack exchange，提问作者MF1893