用excel归一化处理(如何用excel对数据进行归一化处理)

1. 如何用excel对数据进行归一化处理

数据标准化处理方法

在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。

一、Min-max 标准化

min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：

新数据=（原数据-极小值）/（极大值-极小值）

二、z-score 标准化

这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x'。

z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。

新数据=（原数据-均值）/标准差

spss默认的标准化方法就是z-score标准化。

用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。

步骤如下：

1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；

2.进行标准化处理：

zij＝（xij－xi）／si

其中：zij为标准化后的变量值；xij为实际变量值。

3.将逆指标前的正负号对调。

标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

三、Decimal scaling小数定标标准化

这种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属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling标准化到x'的计算方法是：

x'=x/(10*j)

其中，j是满足条件的最小整数。

例如 假定A的值由-986到917，A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被规范化为-0.986。

注意，标准化会对原始数据做出改变，因此需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化。

除了上面提到的数据标准化外还有对数Logistic模式、模糊量化模式等等：

对数Logistic模式：新数据=1/（1+e^(-原数据)）

模糊量化模式：新数据=1/2+1/2sin[派3.1415/（极大值-极小值）*（X-（极大值-极小值）/2） ] X为原数据

2. Excel实现数据归一化

可以，试试下面的方法：=(A1-AVERAGE($A$1:$A$512))/STDEVP($A$1:$A$512)（使用方差和均值实现标准化）或者采用极差标准化=(A1-MIN($A$1:$A$512))/(MAX($A$1:$A$512)-MIN($A$1:$A$512))

3. excel怎么做归一化处理

比如有第一列数据，按照最大最小值进行非线性归一化到（0.1,1）区间。

像第二张图一样选中需要计算单元格，然后输入=号后输入公式

(1-0.1)*(A1-MIN($A$1:$A$7))/(MAX($A$1:$A$7)-MIN($A$1:$A$7))+0.1

【注】一般归一化是归一化到区间（0,1），我的例子是归一化到(0.1，1)，把以上公式中的0.1换成0即可。

输入完之后按住Ctrl+Enter即可得到结果。

4. 如何用excel对数据进行归一化处理工具

标准化值（standardized value）通常也称为z-score。就是一个正态分布的模型里，某一个数值离中间值或者平均值有几个标准差的距离。公式是z-score=（x-μ）/σ。x是要计算的目标数值，μ是平均值，σ是模型的标准差。excel里面有直接的公式 “=STANDARDIZE(x，mean，standard deviation)”。中间的三个数值可以公式套公式用，平均值就是“=mean（x1，x2......）”，std是“=stdev（x1，x2，.....）”

5. 如何将数据归一化处理

方法/步骤 打开OriginPro8.5 填充好数据，步骤就不介绍了，可以参见本人其他文章 点击SparkLines的图，可以看到趋势图 纵坐标显示的是没有归一化的数据，这有时不方便我们数据对比 下面进行归一化处理，选中整列数据 右键选择Normalize点击 弹出。

6. excel中对数据进行归一化处理的函数

比如对A1到A10中的是个数进行归一化处理，就是分别计算每个数占这是个数这和的百分比。

计算方法：

1、首先在Excel表格中输入一组基础数据，需要计算每个数字在整个A列中的占比。

2、在B1单元格中输入计算公式：=A1/SUM($A$1:$A$8)。

3、点击回车并下拉公式，批量生成计算结果。

4、此时显示的是小数数值，选中单元格并点击“开始”选项卡中的“百分比”图标。

5、并选择需要显示的小数位数，即可将计算的数据设置为百分比的显示样式了。

7. 如何用excel对数据进行归一化处理工作

比如对a1到a10中的是个数进行归1化处理，就是分别计算每一个数占这是个数这和的百分比，可以用公式计算，不是很难，例如：在单元格b1中输入“=a1/sum($a$110),点击b1右下角的黑10字下拉到b10放开鼠标，b列的结果就是你要的归1化结果。数据多的话只需改动公式中sum函数的援用位置，如a列有100个数，b1中改成”=a1/sum（$a$1：$a$100）“

8. Excel如何归一化

方法1：min-max法（规范化方法）

min-max法也叫离差标准化，是对原始数据的线性变换，使结果映射到[0,1]区间。

方法2：z-score法（正规化方法）

这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到y。

z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。

SPSS默认的标准化方法就是z-score标准化。

z-score的简单化模型：y=1/(1+x) ，x越大证明y越小，这样就可以把很大的数规范在[0-1]之间了。

在Excel中进行z-score标准化的步骤如下：

1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；

2.进行标准化处理：zij=（xij－xi）/si

其中：zij为标准化后的变量值；xij为实际变量值。

3.将逆指标前的正负号对调。

标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

方法3：比例法（归一化方法）

注意该方法是针对全部数据为正值的序列。