با استفاده از numpy یک تابع بنویسید که یک آرایهٔ دو‌بعدی ورودی (نمونه‌ها در سطرها، ویژگی‌ها در ستون‌ها) را نرمال‌سازی کند به‌طوری‌که هر ستون به میانگین صفر و انحراف معیار یک تبدیل شود و آرایهٔ نرمال‌شده را بازگرداند.

برای حل این مسئله از numpy استفاده کنید: میانگین هر ستون را با np.mean(arr, axis=0) و انحراف معیار را با np.std(arr, axis=0) محاسبه کنید، سپس با عملگرهای برداری (broadcasting) از هر ستون میانگین را کم کرده و بر انحراف معیار تقسیم کنید. برای جلوگیری از تقسیم بر صفر هنگام انحراف معیار صفر، می‌توانید از np.where یا افزودن یک مقدار کوچک (مثلاً 1e-8) استفاده کنید. (هدر پیشنهادی: import numpy as np) این پیش‌پردازش استاندارد در مسائل یادگیری ماشین معمول است و مطمئن شوید خروجی شکل مشابه ورودی دارد و نوع داده‌ها را به float تبدیل کرده‌اید.