Python 将数组规格化为标准正态分布

我认为这是一个非常简单的问题，但我找不到答案

我有一个数组：

array([ 62519, 261500, 1004836, ... , 0, 0])

我想把它转换成正态分布，最小值为0，最大值为1

有什么建议吗？我正在查看sklearn.preprocess.normalize，但无法让它为我工作

其目的是使用numpy创建散点图，并希望使用第三个变量为每个点着色。但是，颜色必须介于0和1之间，因为我有一些奇怪的异常值，我认为正态分布将是一个好的开始

---

如果这没有任何意义，请告诉我。谢谢和干杯。

哦，我是个白痴，我只是想把它标准化，然后就可以做

z=（x-mean）/std

。对不起，

< P>我不推荐使用标准正态分布进行归一化，请考虑使用Frobenius /L2：

Frobenius/2-norm： 使用Numpy： 使用纯数学库 使用张量流

---

为什么正态分布意味着最小值为0，最大值为1，这是没有意义的。哦，我是个白痴，我只是想把它标准化，只需做z=（x-mean）/std.sryTo转换成正态分布，

（x-np.mean（x））/np.std（x）

为什么？这不一样吗？

normalized_z = z / np.linalg.norm(z)

normalized_z = z / math.sqrt(max(sum(z**2), 1e-12)) # L2: Matrix Norm

normalized_z = tf.nn.l2_normalize(z,0)