要标准化Numpy数组，可以使用scikit-learn库中的StandardScaler类。下面是一个示例代码：

import numpy as np
from sklearn.preprocessing import StandardScaler

# 创建一个随机的Numpy数组
data = np.array([[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9]])

# 创建StandardScaler对象
scaler = StandardScaler()

# 使用fit_transform方法标准化数组
normalized_data = scaler.fit_transform(data)

print("原始数据：")
print(data)
print("标准化后的数据：")
print(normalized_data)

运行上述代码，将得到以下输出：

原始数据：
[[1 2 3]
 [4 5 6]
 [7 8 9]]
标准化后的数据：
[[-1.22474487 -1.22474487 -1.22474487]
 [ 0.          0.          0.        ]
 [ 1.22474487  1.22474487  1.22474487]]

在上面的示例中，首先创建了一个随机的Numpy数组 data。然后，创建了一个 StandardScaler 对象 scaler。使用 fit_transform 方法，可以同时计算数组的均值和标准差，并将数组标准化。标准化后的数据存储在 normalized_data 中。最后，将原始数据和标准化后的数据打印出来。