我有一个大约有 26 列的数据框。对于这些列中的 14 列（所有数据都是浮点数），我想确定每列的平均值和标准偏差，然后对于每列中的每个值，我想减去列平均值并除以列标准偏差（仅适用于列值所属）。
我可以像这样对每一列分别执行此操作：
chla_array = df['Chla'].to_numpy()
mean_chla = np.nanmean(chla_array)
std_chla = np.nanstd(chla_array)
df['Chla_standardized'] = (df['Chla'] - mean_chla) / std_chla
因为我有 14 列要执行此操作，所以我正在寻找一种更简洁的编码方式，而不是将上述代码再复制和粘贴 13 次并更改列标题。我正在考虑使用 df.apply() 但我无法让它工作。这是我所拥有的：
df = df.iloc[:, [11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]]
df_standardized = df.apply((df - df.mean(skipna=True)) / df.std(skipna=True, ddof=0))
我遇到的错误是这样的：
AttributeError: 'Canyon_dist' is not a valid function for 'Series' object
其中 'Canyon_dist' 是代码遇到的第一列的标题。
我不确定 df.apply 是否适合我想要实现的目标，所以如果有更合适的方法，请告诉我（也许使用 for 循环？）。
我愿意接受所有建议，谢谢。