Python Z-Score 标准化是数据预处理的关键步骤，用于消除特征量纲差异。其核心原理（均值 0 标准差 1），提供了基于 NumPy 的手动实现和 Scikit-Learn 的推荐实现。通过鸢尾花数据集演示了标准化前后的分布对比（直方图、箱线图），并验证了其对 K-Means 聚类效果的提升。内容涵盖环境配置、避坑指南（训练测试集一致性、零方差处理）及 Pipeline 集成方案，适合数据分析与机器学习初学者参考。
在数据分析与机器学习中，数据预处理是提升模型效果的关键步骤。Z-Score 标准化（又称标准差标准化）作为最常用的特征缩放方法之一，能将数据转换为均值为 0、标准差 1 的标准正态分布，有效消除特征量纲差异带来的影响。本文将手把手教你用 Python 实现 Z-Score 标准化，结合原理讲解、代码演示、效果验证与实战应用。
Z-Score 标准化的核心是将每个特征值减去该特征的均值，再除以该特征的标准差，公式如下：
$z = \frac{x - \mu}{\sigma}$
核心效果：标准化后的数据均值为 0、标准差为 1，所有特征处于同一量级，避免因量纲差异导致模型偏向某一特征（如 K-Means、SVM、线性回归等对特征尺度敏感的算法）。
| 工具 / 依赖 | 版本要求 | 作用描述 |
|---|---|---|
| Python | 3.7+ | 核心运行环境 |
| pandas | 1.0+ | 数据处理与加载 |
| numpy | 1.18+ | 数值计算（手动实现标准化） |
| scikit-learn | 0.23+ | 快捷实现标准化（推荐） |
| matplotlib/seaborn | 3.0+/0.10+ | 标准化效果可视化 |
| pip | 20.0+ | Python 包管理工具 |
打开终端执行以下命令，一键安装所需依赖：
pip install pandas numpy scikit-learn matplotlib seaborn
选用 scikit-learn 内置的鸢尾花数据集（Iris），该数据集包含 4 个数值型特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度），特征量纲一致但数值范围不同，适合演示标准化效果：
# 加载数据集
from sklearn.datasets import load_iris
import pandas as pd
# 加载数据并转换为 DataFrame
iris = load_iris()
X = iris.data # 特征矩阵（4 个特征，150 个样本）
feature_names = iris.feature_names # 特征名称
data = pd.DataFrame(X, columns=feature_names)
# 查看数据基本信息
print("标准化前数据预览：")
print(data.head())
print(f"\n数据集形状：{data.shape}") # 输出：(150, 4)
print("\n标准化前特征统计信息：")
print(data.describe().round(2)) # 保留 2 位小数
通过 numpy 计算均值和标准差，手动套用 Z-Score 公式实现标准化，适合深入理解原理：
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 设置中文字体（避免中文乱码）
plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows 系统
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] # Mac 系统
plt.rcParams['axes.unicode_minus'] = False
def zscore_manual(data):
"""
手动实现 Z-Score 标准化
:param data: 输入数据（DataFrame 或 numpy 数组）
:return: 标准化后的数据
"""
# 计算每个特征的均值和标准差
mean = np.mean(data, axis=0) # 按列计算均值
std = np.std(data, axis=0) # 按列计算标准差（ddof=0，总体标准差）
# 避免标准差为 0 导致除零错误
std = np.where(std == 0, 1e-8, std)
# 套用 Z-Score 公式
data_standardized = (data - mean) / std
return data_standardized, mean, std
# 执行手动标准化
data_manual_std, mean_manual, std_manual = zscore_manual(data.values)
data_manual_std_df = pd.DataFrame(data_manual_std, columns=feature_names)
# 查看标准化后结果
print("\n手动标准化后数据预览：")
print(data_manual_std_df.head().round(4))
print("\n手动标准化后特征统计信息（均值≈0，标准差≈1）：")
print(data_manual_std_df.describe().round(4))
使用 scikit-learn 的 StandardScaler 类实现标准化，支持拟合 - 转换流程，便于后续模型复用（如训练集和测试集用同一套均值和标准差）：
from sklearn.preprocessing import StandardScaler
def zscore_sklearn(data):
"""
用 Scikit-Learn 实现 Z-Score 标准化
:param data: 输入数据（DataFrame 或 numpy 数组）
:return: 标准化后的数据、StandardScaler 实例（含均值和标准差）
"""
scaler = StandardScaler() # 初始化标准化器
data_standardized = scaler.fit_transform(data) # 拟合 + 转换
return data_standardized, scaler
# 执行 Sklearn 标准化
data_sklearn_std, scaler = zscore_sklearn(data)
data_sklearn_std_df = pd.DataFrame(data_sklearn_std, columns=feature_names)
# 查看标准化后结果
print("\nSklearn 标准化后数据预览：")
print(data_sklearn_std_df.head().round(4))
print("\nSklearn 标准化后特征统计信息（均值≈0，标准差≈1）：")
print(data_sklearn_std_df.describe().round(4))
# 查看 Scikit-Learn 计算的均值和标准差
print("\nScikit-Learn 计算的特征均值：")
print(pd.Series(scaler.mean_, index=feature_names).round(4))
print("\nScikit-Learn 计算的特征标准差：")
print(pd.Series(scaler.scale_, index=feature_names).round(4))
# 验证两种方法结果一致性（误差在 1e-10 以内）
diff = np.abs(data_manual_std - data_sklearn_std).max()
print(f"\n两种方法结果最大误差：{diff:.10f}")
print("结论：两种方法结果一致，Scikit-Learn 更高效且支持后续复用")
通过直方图、箱线图对比标准化前后的数据分布变化，直观感受标准化效果：
# 创建子图（2 行 4 列，对比 4 个特征）
fig, axes = plt.subplots(2, 4, figsize=(16, 8))
fig.suptitle('Z-Score 标准化前后特征分布对比（直方图）', fontsize=16, fontweight='bold')
# 绘制标准化前直方图
for i, feature in enumerate(feature_names):
sns.histplot(data[feature], ax=axes[0, i], bins=15, color='#2E86AB', alpha=0.7)
axes[0, i].set_title(f'标准化前：{feature}', fontsize=11)
axes[0, i].set_xlabel('')
axes[0, i].grid(alpha=0.3)
# 绘制标准化后直方图
for i, feature in enumerate(feature_names):
sns.histplot(data_sklearn_std_df[feature], ax=axes[1, i], bins=15, color='#E74C3C', alpha=0.7)
axes[1, i].set_title(f'标准化后：{feature}', fontsize=11)
axes[1, i].set_xlabel('')
axes[1, i].grid(alpha=0.3)
plt.tight_layout()
plt.savefig('Z-Score 标准化前后直方图对比.png', dpi=300)
plt.show()
# 合并标准化前后数据，便于绘制箱线图
data_combined = pd.concat([
data.assign(类型='标准化前'),
data_sklearn_std_df.assign(类型='标准化后')
], ignore_index=True)
# 绘制箱线图
plt.figure(figsize=(14, 7))
sns.boxplot(x='变量', y='值', hue='类型',
data=pd.melt(data_combined, id_vars=['类型'], var_name='变量', value_name='值'),
palette=['#2E86AB', '#E74C3C'])
plt.title('Z-Score 标准化前后特征箱线图对比（尺度统一）', fontsize=14, fontweight='bold')
plt.xlabel('特征名称', fontsize=12)
plt.ylabel('特征值', fontsize=12)
plt.grid(axis='y', alpha=0.3)
plt.legend(title='数据类型')
plt.tight_layout()
plt.savefig('Z-Score 标准化前后箱线图对比.png', dpi=300)
plt.show()
验证 Z-Score 标准化对聚类模型的影响（K-Means 对特征尺度敏感）：
from sklearn.cluster import KMeans
# 1. 原始数据直接聚类
kmeans_raw = KMeans(n_clusters=3, random_state=42, n_init=10)
labels_raw = kmeans_raw.fit_predict(data)
# 2. 标准化后数据聚类
kmeans_std = KMeans(n_clusters=3, random_state=42, n_init=10)
labels_std = kmeans_std.fit_predict(data_sklearn_std)
# 3. 可视化聚类效果（用 PCA 降维到 2D）
from sklearn.decomposition import PCA
# PCA 降维
pca = PCA(n_components=2)
data_pca_raw = pca.fit_transform(data)
data_pca_std = pca.fit_transform(data_sklearn_std)
# 绘制聚类对比图
fig, axes = plt.subplots(1, 2, figsize=(16, 6))
fig.suptitle('Z-Score 标准化对 K-Means 聚类效果的影响', fontsize=16, fontweight='bold')
# 原始数据聚类结果
sns.scatterplot(x=data_pca_raw[:, 0], y=data_pca_raw[:, 1], hue=labels_raw,
palette='viridis', s=60, alpha=0.8, ax=axes[0])
axes[0].set_title('原始数据聚类结果（尺度不一致）', fontsize=12)
axes[0].set_xlabel('PCA 特征 1', fontsize=11)
axes[0].set_ylabel('PCA 特征 2', fontsize=11)
axes[0].grid(alpha=0.3)
axes[0].legend(title='聚类编号')
# 标准化后数据聚类结果
sns.scatterplot(x=data_pca_std[:, 0], y=data_pca_std[:, 1], hue=labels_std,
palette=, s=, alpha=, ax=axes[])
axes[].set_title(, fontsize=)
axes[].set_xlabel(, fontsize=)
axes[].set_ylabel(, fontsize=)
axes[].grid(alpha=)
axes[].legend(title=)
plt.tight_layout()
plt.savefig(, dpi=)
plt.show()
sklearn.metrics silhouette_score
silhouette_raw = silhouette_score(data, labels_raw)
silhouette_std = silhouette_score(data_sklearn_std, labels_std)
()
()
()
# 示例：训练集与测试集拆分后的标准化
from sklearn.model_selection import train_test_split
# 拆分训练集（80%）和测试集（20%）
X_train, X_test = train_test_split(data, test_size=0.2, random_state=42)
# 正确做法：用训练集拟合，同时转换训练集和测试集
scaler = StandardScaler()
X_train_std = scaler.fit_transform(X_train) # 训练集：拟合 + 转换
X_test_std = scaler.transform(X_test) # 测试集：仅转换（复用训练集的均值/标准差）
print("训练集标准化后均值：", np.mean(X_train_std, axis=0).round(4))
print("测试集标准化后均值：", np.mean(X_test_std, axis=0).round(4)) # 接近 0 但非严格 0，正常现象
# 检查标准差为 0 的特征
std_zero_features = data.columns[data.std(axis=0) < 1e-8]
if len(std_zero_features) > 0:
print(f"需删除的无区分度特征：{list(std_zero_features)}")
data = data.drop(columns=std_zero_features) # 删除特征
# 读取 CSV 文件并标准化
def zscore_csv(input_path, output_path):
"""
读取 CSV 文件，对数值型特征进行 Z-Score 标准化，保存结果
:param input_path: 输入 CSV 文件路径
:param output_path: 输出 CSV 文件路径
"""
# 读取数据
data = pd.read_csv(input_path)
# 筛选数值型特征
numeric_features = data.select_dtypes(include=[np.number]).columns
# 标准化数值型特征
scaler = StandardScaler()
data[numeric_features] = scaler.fit_transform(data[numeric_features])
# 保存结果
data.to_csv(output_path, index=False, encoding='utf-8-sig')
print(f"标准化完成，结果保存至：{output_path}")
return scaler
# 调用函数（替换为实际文件路径）
# scaler = zscore_csv('原始数据.csv', '标准化后数据.csv')
# 用 Pipeline 将标准化与模型训练串联（避免数据泄露）
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
# 准备分类任务数据（鸢尾花数据集标签）
y = iris.target
# 拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, y, test_size=0.2, random_state=42)
# 构建 Pipeline（标准化 + 逻辑回归）
pipeline = Pipeline([
('zscore', StandardScaler()), # 第一步：标准化
('classifier', LogisticRegression(random_state=42)) # 第二步：分类模型
])
# 训练模型（自动先对训练集标准化，再训练）
pipeline.fit(X_train, y_train)
# 预测（自动对测试集标准化，再预测）
y_pred = pipeline.predict(X_test)
# 评估效果
accuracy = accuracy_score(y_test, y_pred)
print(f"\nPipeline 端到端流程准确率：{accuracy:.4f}")
本文通过'原理讲解 + 两种实现方法 + 效果可视化 + 实战应用'的方式，手把手教你掌握 Python 中 Z-Score 标准化的核心技巧，核心亮点如下：
Z-Score 标准化是数据分析与机器学习的基础预处理步骤，尤其适合对特征尺度敏感的模型。按照本文步骤操作，即可轻松实现数据标准化，为后续建模提供高质量数据支撑。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online