以下是一个示例代码，用于遍历数组的列并对数据进行标准化：

import numpy as np

def normalize_columns(arr):
    # 计算每列的平均值和标准差
    mean = np.mean(arr, axis=0)
    std = np.std(arr, axis=0)
    
    # 遍历每列并标准化数据
    for i in range(arr.shape[1]):
        arr[:, i] = (arr[:, i] - mean[i]) / std[i]
    
    return arr

# 示例数组
arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

# 标准化数组的列
normalized_arr = normalize_columns(arr)

print(normalized_arr)

输出结果：

[[-1.22474487 -1.22474487 -1.22474487]
 [ 0.          0.          0.        ]
 [ 1.22474487  1.22474487  1.22474487]]

在上述示例代码中，我们使用了NumPy库来进行数组操作。首先，我们使用np.mean()和np.std()函数计算了每列的平均值和标准差。然后，我们使用一个for循环遍历每列，并使用标准化公式(x - mean) / std来标准化数据。最后，我们返回标准化后的数组。

请注意，上述示例假定输入数组是二维的。如果您的数组是多维的，您可能需要适当修改代码以适应您的数据结构。