数据标准化中心化去极值
1. 对数据进行极值规范化处理时出现0和1怎么办
用if语句就可以了，极大值：if（a<b,b>c，b,0）
2. 用极值标准化法怎么进行无量纲化处理
最典型的就是0-1标准化和Z标准化，也是最常用的。
1、0-1标准化(0-1 normalization)
也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：
其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。
2、Z-score 标准化(zero-mean normalization)
也叫标准差标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，也是SPSS中最为常用的标准化方法，其转化函数为：
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。
3. 为什么要对数据进行极值标准化呢,这样做的意思是什么新手,
标准化之后,你可以把任何范围的数据映射的（-1,1）的区间内.
例,一组男生身高数据从（1.6m,1.95m）,标准化之后,就可以带入到（-1.1）的区间内.
方便做分析.
4. 为什么要对数据进行极值标准化呢，这样做的意思是什么新手，谢谢啦
标准化之后，你可以把任何范围的数据映射的（-1，1）的区间内。
例，一组男生身高数据从（1.6m，1.95m），标准化之后，就可以带入到（-1.1）的区间内。
方便做分析。
5. 指标数据标准化处理
各评价指标由于各自量纲的不同，并且指标间数值差异较大，要使指标间能够直接进行比较，要对各类指标进行标准化处理，消除量纲差别，最后将得到值域为（0，1），而且极性一致的数值。对于单因素定性指标按照质量等级赋予离散代数值；对于连续性变化的定量指标，采用相应质量等级的指标范围中值作为标准化指数的基数。
选择合适的标准化方法应坚持标准化方法的比较原则，即同一指标内部相对差距不变原则、不同指标间的相对差距不确定原则、标准化后极大值相等原则。按照上述原则，指标数据的标准化处理方法可划分为线性标准化和非线性标准化两大类，具体方法有：初值化变换、均值化变换、极值化变换、标准差变换等，本书采用线性标准化极值化变换方法，分析调整了标准化计算公式，将原始数据计算处理后得到新的均一化数列。设现状原始数据为Yk，标准化后的现状值为Xk，对指标体系中的每一项评价指标数据划出最大值（Ymax）和最小值（Ymin），按照质量等级由优等到差等，标准化指数升高的原则，设定差等级标准化指数最高X=1.00，则标准化计算公式：
正向指标：
基坑降水工程的环境效应与评价方法
反向指标：
基坑降水工程的环境效应与评价方法
经验证符合指标标准化的三大原则。表3.1所示为指标量化分级及标准化指数。
表3.1 基坑降水环境评价指标量化分级及标准化指数
6. 如何在excel中数据标准化处理
极值处理法
该种方法的算法即标准化公式如附图所示，注：对于指标值恒定的情况不适用。
这里以我国2007年中部地区6省的税收数据为例进行计算。易知，附图中的税收指标为极大型数据。所以采用的公式为x=（x-min）/(Max-min),这样标准化后的数据最大值为1，最小值为0
使用Max，Min函数分别求出数据矩阵中每列中的最大值和最小值。
Max 146.1136 184.2366 102.9228 30.2578 25.8857 42.8733 15.656 7.8004 18.2303 14.9975 1.9689 17.1054 35.0698 3.3696
Min 53.0534 95.0788 37.8106 14.8271 2.8286 17.0098 5.7824 3.1799 4.1246 1.1311 0.3081 1.7933 5.5753 0.0874
再求出极值处理法的分母即最大值与最小值的差值
max-min 93.0602 89.1578 65.1122 15.4307 23.0571 25.8635 9.8736 4.6205 14.1057 13.8664 1.6608 15.3121 29.4945 3.2822
4
使用每列中的数值与最小值的差比上分母即可求出标准化后的数据。公式举例：值=(B6-$B$13)/$B$14。如附图所示为使用极值处理法后的前后数据对比。
7. python3 如何去极值，标准化，中性化
你把遍历的结果放到一个列表里面，便利结束后求列表里的最大值就行了 ls=[]for i in range(xxx): ls.append(func)max_value = max(ls)
8. 数据标准化的简介
评价是现代社会各领域的一项经常性的工作，是科学做出管理决策的重要依据。随着人们研究领域的不断扩大，所面临的评价对象日趋复杂，如果仅依据单一指标对事物进行评价往往不尽合理，必须全面地从整体的角度考虑问题，多指标综合评价方法应运而生。所谓多指标综合评价方法，就是把描述评价对象不同方面的多个指标的信息综合起来，并得到一个综合指标，由此对评价对象做一个整体上的评判，并进行横向或纵向比较。
而在多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级。当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。因此，为了保证结果的可靠性，需要对原始指标数据进行标准化处理。目前数据标准化方法有多种，归结起来可以分为直线型方法(如极值法、标准差法)、折线型方法(如三折线法)、曲线型方法(如半正态性分布)。不同的标准化方法，对系统的评价结果会产生不同的影响，然而不幸的是，在数据标准化方法的选择上，还没有通用的法则可以遵循。
