如何在 excel 中标准化数据

“标准化”一组数据值意味着对这些值进行缩放，使得所有值的平均值为 0，标准差为 1。

本教程介绍如何在 Excel 中标准化数据。

示例：如何规范 Excel 中的数据

假设我们在Excel中有以下数据集：

完成以下步骤来标准化这组数据值。

第 1 步：求均值。

首先，我们将使用=AVERAGE(values range)函数来查找数据集的平均值。

步骤 2：求标准差。

接下来，我们将使用=STDEV（值范围）函数来查找数据集的标准差。

步骤 3：标准化值。

最后，我们将使用STANDARDIZE(x, Mean, standard_dev)函数对数据集中的每个值进行标准化。

笔记：

STANDARDIZE函数使用以下公式对给定数据值进行标准化：

归一化值 = (x – x ) / s

金子：

• x = 数据值
• x = 数据集的平均值
• s = 数据集的标准差

下图显示了用于标准化数据集中第一个值的公式：

一旦我们标准化了单元格 B2 中的第一个值，我们就可以将鼠标悬停在单元格 B2 的右下角，直到出现一个小+ 。双击+将公式复制到其余单元格：

现在数据集中的每个值都已标准化。

如何解释标准化数据

我们用来标准化给定数据值 x 的公式是：

归一化值 = (x – x ) / s

金子：

• x = 数据值
• x = 数据集的平均值
• s = 数据集的标准差

如果特定数据点的归一化值大于 0，则表明该数据点高于平均值。相反，小于 0 的归一化值表示数据点低于平均值。

特别是，归一化值告诉我们原始数据点与平均值的标准差有多少。例如，考虑原始数据集中的数据点“12”：

“12”的标准化值为 -1.288，计算如下：

标准化值 = (x – x ) / s = (12 – 22.267) / 7.968 = -1.288

这告诉我们，值“12”比原始数据集的平均值低 1.288 个标准差。

数据集中的每个归一化值都可以帮助我们了解特定数据值与平均值的距离有多近或多远。较小的归一化值表示该值接近平均值，而较大的归一化值表示该值远离平均值。