标准化等公式和Python代码请参考：
python 数据归一化/标准化方法与代码（离差标准化，log归一化，标准化，比例归一化，反正切归一化）

我们使用sklearn来操作:

首先准备数据：

import numpy as np
from sklearn.preprocessing import StandardScaler, MinMaxScaler

data = np.random.random(size=(20, 2))

标准化/逆标准化

标准化的公式：(原始值-均值)/方差，因此逆标准化就是反过来推出原始值

stand_scaler = StandardScaler()

std_data = stand_scaler.fit_transform(data) # 标准化
origin_std_data = stand_scaler.inverse_transform(std_data) # 逆标准化
print(origin_std_data == data)

归一化/逆归一化

norm_scaler = MinMaxScaler()

norm_data = norm_scaler.fit_transform(data) # 归一化
origin_norm_data = norm_scaler.inverse_transform(norm_data) # 逆归一化
print(origin_norm_data == data)

注意：逆归一化时，数据由于浮点运算问题，小数点最后的几个数字无法完美还原，但是整体的还原效果还是正确的