不同的指标或变量的原始值在单位、量纲、取值范围等方面会有较大差异，因此，在处理较多变量的数据时，需要先对数据进行标准化，使不同变量具有可比性。
常用的标准化方法有：
（1）最大-最小值标准化（离差标准化）。
此方法将数值映射到[0,1]。该方法的缺点是，容易受到最大最小值的影响。
方法：vegan包，decostand(data,method="range")。行：margin=1,列：margin=2。
（2）标准差标准化。
是原始数据的平均值，
是原始数据的标准差，此方法得到均值为0，标准差为1的数据集。为减小离群点的影响，可用中位数代替均值，用绝对标准差代替标准差。
方法：scale(data,center=T,scale=T) 或 decostand(data,"standardize")。
（3）0-1数据（有-无数据）
方法：decostand(data,method="pa")
（4）每个数值除以该行或该列的最大值
方法：decostand(data,method="max")
（5）每个数值除以该行或该列的总和
方法：decostand(data,method="total")
（6）用排名代替具体数值
方法：decostand(data,method="rank")，默认为行。
> data
lie
hang C D E
A 1 3 5
B 2 4 6
> decostand(data,"rank")
lie
hang C D E
A 1 2 3
B 1 2 3
（7）decostand()还提供了chi.square、hellinger、log等方法。
参考：《R语言数据分析与挖掘实战》张良均等；《数量生态学》赖江山译。
