在进行数据分析时，变量具有单位是很常见的，比如页面加载耗时，可以以毫秒作为单位，也可以以秒作为单位，此时会出现量纲问题而导致数值不能直接比较大小，例如1000毫秒=1秒，不能因为1000>1 ,而认为1000毫秒>1秒。
数据量纲化处理后的数据也要保持数据的相对大小关系，例如页面加载耗时（毫秒），假如有两个值A和B，A>B，量纲化处理后分别为A_1和B_1，应该要满足A_1>B_1
量纲化有很多种处理方式，具体应该使用哪一种方式，并没有固定的标准，量纲化按是否具有实际意义可分为两类，⼀类是量纲处理⽅式有着⼀定的实际意义，另⼀类是仅数理⻆度的量纲处理方式：
有意义的量纲化处理：⽐如均值化，初值化，最⼩值化，最⼤值化，和求和归⼀化，平⽅和归⼀化共6种。分别代表数据除以平均值，数据除以第1个数，数据除以最⼩值，数据除以最⼤值，数据除以求和值，数据除以平⽅和值。相当于说，它们都找到⼀个参照标准项，然后所有数据去除以参照标准项。此6种⽅式的特点在于，⼀般要求数据全部都⼤于0，如果出现⼩于0或者等于0就有可能出问题，⽐如刚好分⺟为0，那么就出现⽆法相除。
仅数理化的量纲化处理：包括标准化，中⼼化，归⼀化，正向化，逆向化，区间化，均在于让数据保持在⼀定的区间范围内，⽽且处理后带有⼀定的数理特征，⽐如标准化后数<
