首先，将所需的数据导入origin，可以获得数据，单击鼠标左键以选择图中光标位置，如下图所示，然后进入下一步。其次，将出现小框，并且当鼠标移动小框时，将显示第3步的数据。该方法也适用于红外图像数据的标记，如下图所示，然后进入下一步。
点击“Action（执行） →Dataset（数据列）”，出现参数指定对话框。”点击在对话框顶部的列表框内单击y 变量，然后在“Available Datasets（可用数据列）”列表框中单击“Data1 -c”； 单击“Assign（赋值）”命令按钮。即y 变量对应于Data1-C 数列。
平滑功能的位置和使用：在Origin软件的数据绘图界面中，通常可以在分析或处理菜单中找到平滑功能。一旦用户选择了平滑功能，他们可以选择要平滑的数据和平滑的方法。Origin通常提供多种平滑方法，包括但不限于移动平均、多项式拟合和样条插值等。
scale函数可用于zscore标准化。很多时候数据是偏斜分布的（左右两个分布是偏态分布，中间是正态分布）。通常使用log2转换使得其分布符合正态分布。最近看到一篇文献对数据做了log2transform+median normalization。
数据清洗也叫做数据预处理，一般进行数据清洗需要通过7个步骤进行处理： 选择子集：选择需要进行分析的数据集中的数据列，为避免干扰可对其他不参与分析的数列进行隐藏处理。 列名重命名：若数据集中出现同样列名称，或含义相同的两个列名，为避免干扰分析结果则需要针对某一个数据列的列名进行重命名。
深入实践，数据预处理的抉择在于输出的稳定性、数据特性和模型需求。如果输出要求稳定且无极端值，归一化是个不错的选择；相反，如果数据存在异常值，标准化则更合适。sklearn的API文档提供了丰富的预处理工具和方法对比，助您在实践中找到最适合的解决方案。
数据标准化是数据分析中的关键步骤，它能够确保数据的一致性和可比性。本文将为您揭示七种常见的数据标准化方法，从基本的处理到高级技术，让数据更易处理和解读。
数据标准化通常是将数据转换为均值为0、标准差为1的分布，而归一化则是将数据缩放到一个特定的范围，通常是[0，1]或[-1，1]。数据标准化，也叫Z-score标准化，是一种常用的数据预处理方法。它的主要思想是对原始数据进行线性变换，使得变换后的数据均值为0，标准差为1。
打开arcgis，加载需要处理的遥感影像，在数据原图层上右击，点击属性。在图层属性，切换到符号显示子界面，可以看到忽略背景值的选项。然后勾选忽略背景值前的复选框，忽略背景值0，颜色显示为空。然后点击应用确定后返回数据窗口，查看遥感数据，周围的黑边已经看不到了。
对重点矿区（带）进行遥感地质解译，可以通过8波段与多光谱数据融合方法将影像空间分辨率提高到15m，能够达到1∶5万地图草测精度。因此该数据能够满足本次项目中对遥感地质信息提取的要求。 表5-1列出了TM、ETM+遥感数据的主要性能指标。
遥感图像处理主要使用加拿大专业遥感图像处理软件PCIGeomatica0及美国著名专业遥感图像处理软件ENVI5。 （二）数据处理流程 遥感数据处理的主要流程包括数据组织（即数据种类选择、范围确认、时相选择、订购等）、数据镶嵌（单景数据不存在此过程）、几何校正、图像生成、图像增强、图像整饰等过程，见图3-2。
