在数据分析与机器学习领域，数据预处理是不可或缺的一环。其中，归一化（Normalization）和标准化（Standardization）是两种常用的数据变换方法。它们能够帮助我们调整数据分布，从而提升模型性能。今天，我们就用Python中的`numpy`库来实现这两种操作吧！💪

📈 归一化：将数据缩放到[0,1]区间

归一化的公式为 `(x - min(x)) / (max(x) - min(x))`。通过以下代码即可完成：

```python

import numpy as np

data = np.array([1, 2, 3, 4, 5])

normalized_data = (data - np.min(data)) / (np.max(data) - np.min(data))

print("归一化结果：", normalized_data)

```

🔢 标准化：使数据符合标准正态分布

标准化公式为 `(x - mean(x)) / std(x)`，表示将数据减去均值并除以标准差。代码如下：

```python

standardized_data = (data - np.mean(data)) / np.std(data)

print("标准化结果：", standardized_data)

```

这两种方法简单高效，适合不同场景下的需求。快试试吧！💻🔥