常用于一些比较和评价指标。去掉数据的单位限制，转换成无量纲的纯值，这样就可以对不同单位或数量级的指标进行比较和加权。最典型的是数据的归一化，将数据映射到区间。数据常见的归一化方法有:minmax 标准化 (minmax归一化)也叫偏差/12。
对数函数转换也可以通过基于10的对数函数转换的方法来减少。具体方法如下:看了网上很多介绍，都是x*log10(x)，其实是有问题的。这个结果不一定落在区间上，要除以log10(max)，max是样本的最大值数据，都是。
4、 数据 标准化的几种方法原文链接:数据 标准化方法:如何选择？什么是数据 标准化？在进行微生物学数据的分析之前，我们往往需要根据数据的不同维度和分析方法的需要，对-1标准化进行预处理。数据 标准化的目的是使数据的总体符合一定的要求，例如，使数据的总体符合正态分布以便于参数检验，使数据的范围相同以便于比较分析。我们必须了解不同标准化方法的内涵，以便在实际研究中选择正确的-1标准化方法。
Simple 数据变换的意思是简单地计算整个数据。数据变换主要有三个目的。一种是改变数据的结构，比如用平方根和对数把非线性转化为线性；第二，改变数据的范围，便于对比和图形分析。比如数据变化较大，可以进行对数变换，缩小属性范围；三是改变数据的分布，使样本偏离标准分布太远，更接近标准分布(如正态分布)。常见的数据换算如下:对数换算:取数据(样本的观测值)为自然对数(或以其他数为底的对数)，可利用log()函数实现(log1p()可取数据为自然对数。
0 EXCEL当然简单。你可以看看有多少人用EXCEL，但是有多少人知道SPSS是一个统计软件？不知道你说的标准化处理是什么意思，无量纲处理是指对于一个数列N，如果数列的绝对值有一个极限|N|，那么用数列中的每一个元素除以这个极限值n/|N|就得到一个正负百分比为n%的数列，所有的值都在 1的范围内。这叫做无量纲化处理。
0,
log函数转换通过以10为底的log函数转换的方法同样可以实现归一下，具体方法如下：看了下网上很多介绍都是x*log10(x)，其实是有问题的，这个结果并非一定落到[0 标准化的方法是Counts值:对于给定的基因组参考区，计算读取数，也称为rawcount(RC)。Awcount作为原始读取计数矩阵，是一个绝对值，绝对值的特点是基因长度和测序深度不同，无法比较。因此，我们需要进行标准化将计数矩阵转换为相对值，以去除基因长度和测序深度的影响，我们采用解析的方法。标准化获得了三个值:rpm(ReadSpermionMappedReads):rpm方法:10 6标准化分析了测序深度的影响，但没有考虑转录本长度的影响。
TCGA的分析大多采用这一结果。TPM(Transcriptpermillion):TPM percentage):TPM的计算方法类似于RPKM/FPKM，TPM可以看作是RPKM/FPKM的值的百分比，具体判断方法:表达水平是否需要re-标准化。箱线图函数可用于观察样品表达丰度值的分布是否整齐，是否需要log2:根据数据 value的大小。
