Нормализация в Python часто применяется для масштабирования данных перед машинным обучением. Например, MinMaxScaler из sklearn нормализует значения в диапазон [0, 1]:

from sklearn.preprocessing import MinMaxScaler
import numpy as np

data = np.array([[10, 2], [5, 8], [1, 4]])
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)

print(normalized_data)

[[1. 0. ]

[0.444... 1. ]

[0. 0.333...]]

Также можно использовать Z-score нормализацию (StandardScaler), которая приводит данные к среднему 0 и std 1. Это полезно для алгоритмов, чувствительных к масштабу (SVM, нейросети).