df[col]是一个pd.Series对象，shape为（样本数目，），属于1维的；
df[[col]]是一个pd.DataFrame对象，shape等于（样本数目，1），属于2维的。其实这个也非常好理解，因为【col】其实也就是列表格式的，【col】是【col1、col2、col3、col5…]这种一般情况中的一个特例，而很明显这种一般情况对应多列的情形，自然也只可能是dataframe类型了。

观察不难发现，前者在pycharm调试器上的显示只有单纯的数字，而后者的显示还包括当前列的名称，还有值的显示是以【0：value1】、【1：value2】这种方式显示的。


**最关键的问题来了，在修改某一列值的时候，到底要选择哪种方式怎么赋值呢？**经过实际测试发现两种基本上都可以，但是得注意处理函数对维度的要求，以StandScaler为例，其只能接受2维输入，所以以下写法经过测试都是可行的：

mport pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler


def z_score_by_scaler(csv_file):
    df = pd.read_csv(csv_file)
    df_cols = df.columns.tolist()
    for col in df_cols[2:]:
        df[[col]] = StandardScaler().fit_transform(df[[col]])
        # df[col] = StandardScaler().fit_transform(df[[col]])
    df.to_csv('./merged_features_1/z_scored_merged_features.csv', index=True)