转自：https://www.cnblogs.com/followyourheart/articles/3349899.html
统计指标是数据分析的基本元素，变量之间的对比分析和综合分析是最基本、最常用的统计分析方法。当统计指标的量纲不同或性质不同时，如果直接用原始数据进行数据分析，往往会得到不合理的结论。
为什么要进行数据标准化
对单个指标进行比较，假设对3名新生婴儿体重（5，6，7）和3名成年人的体重（150，151，152）差异的大小进行对比分析，从表面上看，两组人员的平均差异均为1斤，由此便得出两组人员的体重差异程度相同显然是不合适，因为两者的体重水平不在同一等级上，即量纲不同；
对多个指标进行综合分析，假设对商品的运营指标销售量、销售额、浏览量进行综合评价或聚类分析，由于各指标间的水平相差很大，如果直接进行分析会突出数值较高的指标在综合分析中的作用，从而使各个指标以不等权参与运算。
因此，常常需要先对数据进行标准化，对各统计指标进行无量纲化处理，消除量纲影响和变量自身变异大小和数值大小的影响。
常见的数据标准化方法
1、 Max-Min标准化/离差标准化
该方法将某个变量的观察值减去该变量的最小值，然后除以该变量的离差，其标准化的数值落到[0,1]区间，转换函数为：x’=(x-min)/(max-min)，其中max为样本的最大值，min为样本的最小值。
该方法对原始数据进行线性变换，保持原始数据之间的联系，其缺陷是当有新数据加入时，可能导致max或min的变化，转换函数需要重新定义。
该方法将某变量中的观察值减去该变量的平均数，然后除以该变量的标准差，标准化后的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：x’=(x-μ)/σ，其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
该方法对离群点不敏感，当原始数据的最大值、最小值未知或离群点左右了Max-Min标准化时非常有用，Z-Score标准化目前使用最为广泛的标准化方法。
3、小数定标（decimal scaling）标准化
该方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于变量取值中的最大绝对值。将某变量的原始值x使用小数定标标准化到x’的转换函数为：x’=x/(10^j)，其中，j是满足使max(|x’|)<1成立的最小整数。假设变量X的值由-986到917，它的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被标准化为-0.986。