找到答案，看到讲解发生的那一刻，再顺着概念继续探索。
正在理解你的问题，下面的搜索结果可先查看。
从 `sklearn.preprocessing` 导入 `MinMaxScaler`，实例化它，并在选定的 DataFrame 列上调用 `fit_transform`。这将缩放器拟合到数据（学习最小/最大值）并将值转换到 [0, 1] 范围。
适用条件：输入数据是数值型的。；已安装 Scikit-learn 库。
从 `sklearn.preprocessing` 导入 `MinMaxScaler`，实例化它，并在选定的 DataFrame 列上调用 `fit_transform`。这将缩放器拟合到数据（学习最小/最大值）并将值转换到 [0, 1] 范围。
适用条件：输入数据是数值型的。；已安装 Scikit-learn 库。
从 `sklearn.preprocessing` 导入 `StandardScaler`，实例化它，并在选定的 DataFrame 列上调用 `fit_transform`。这将数据转换为均值为 0 和标准差为 1。
适用条件：输入数据是数值型的。；已安装 Scikit-learn 库。
从 `sklearn.preprocessing` 导入 `StandardScaler`，实例化它，并在选定的 DataFrame 列上调用 `fit_transform`。这将数据转换为均值为 0 和标准差为 1。
适用条件：输入数据是数值型的。；已安装 Scikit-learn 库。
秩匹配方法通过从目标正态分布中生成一组随机数，对原始分数和生成的数字进行排序，然后用相同秩次的标准化分数替换每个学生的原始分数，从而实现分数标准化。这在保持相对排名的同时，使整体分布的形状与目标参数相匹配。
适用条件：已知考生的总人数。；预先设定了目标正态分布的均值和标准差。；原始分数和生成的随机数按相同方向排序。
秩匹配方法通过从目标正态分布中生成一组随机数，对原始分数和生成的数字进行排序，然后用相同秩次的标准化分数替换每个学生的原始分数，从而实现分数标准化。这在保持相对排名的同时，使整体分布的形状与目标参数相匹配。
适用条件：已知考生的总人数。；预先设定了目标正态分布的均值和标准差。；原始分数和生成的随机数按相同方向排序。