在Python中，normalize函數的用法主要有兩種：

1. normalize()函數用于對字符串進行規范化處理，將字符串中的特殊字符、空格和大小寫進行統一。它的語法格式為：

string.normalize(form)

其中，form參數表示規范化的方式，有四種可選值：

• ‘NFC’：將字符串規范化為Unicode規范化形式C（Normalization Form C）。

• ‘NFKC’：將字符串規范化為Unicode規范化形式KC（Normalization Form KC）。

• ‘NFD’：將字符串規范化為Unicode規范化形式D（Normalization Form D）。

• ‘NFKD’：將字符串規范化為Unicode規范化形式KD（Normalization Form KD）。

示例代碼：

string = 'Café'
normalized_string = string.normalize('NFD')
print(normalized_string)  # 輸出：Cafe?

2. 在Pandas庫中，normalize()函數用于對數據進行標準化處理，將數據按照一定的尺度進行縮放，使得數據可以更好地適應某些機器學習算法的要求。它的語法格式為：

pandas.DataFrame.normalize(norm, axis=0, *args, **kwargs)

其中，norm參數表示標準化的方式，有兩種可選值：

• ‘l1’：按照L1范數進行標準化。

• ‘l2’：按照L2范數進行標準化。

示例代碼：

import pandas as pd
data = {'A': [1, 2, 3, 4, 5], 'B': [10, 20, 30, 40, 50]}
df = pd.DataFrame(data)
normalized_df = df.normalize(norm='l2', axis=0)
print(normalized_df)

輸出結果：

A         B
0  0.134839  0.134839
1  0.269679  0.269679
2  0.404518  0.404518
3  0.539357  0.539357
4  0.674197  0.674197