常用的變量變換方法有對數變換、平方根變換、倒數變換、平方根反正弦變換等，應根據資料性質選擇適當的變量變換方法。
1. 對數變換
即將原始數據X的對數值作為新的分布數據：
X’=lgX
當原始數據中有小值及零時，亦可取X’=lg（X+1）
還可根據需要選用X’=lg（X+k）或X’=lg（k-X）
對數變換常用於（1）使服從對數正態分布的數據正態化。如環境中某些污染物的分布，人體中某些微量元素的分布等，可用對數正態分布改善其正態性。
（2）使數據達到方差齊性，特別是各樣本的標准差與均數成比例或變異系數CV接近於一個常數時。
在numpy 中使用：
轉換成符合正態分布的數據，log(price+1), 反轉使用：np.expm1()
2.平方根變換
即將原始數據X的平方根作為新的分布數據。
X’=sqrt（X）
平方根變換常用於：1）使服從Poission分布的計數資料或輕度偏態資料正態化，可用平方根變換使其正態化。
2）當各樣本的方差與均數呈正相關時，可使資料達到方差齊性。
3.倒數變換
即將原始數據X的倒數作為新的分析數據。
X’=1/X
常用於資料兩端波動較大的資料，可使極端值的影響減小。
4.平方根反正弦變換
即將原始數據X的平方根反正弦值做為新的分析數據。
X’=sin-1sqrt（X）
常用於服從二項分布的率或百分比的資料。一般認為等總體率較小如＜30%時或較大（如＞70%時），偏離正態較為明顯，通過樣本率的平方根反正弦變換，可使資料接近正態分布，達到方差齊性的要求。
-
發現沒有，除了倒數轉換，其他數據值都要求 y 值必須為正值，如果要使用負值呢？可以使用Box-Cox變換：
5.Box-Cox變換：
逆變換為：
2.當y 可以小於 0 時：
Box-Cox變換：
g 默認為 1
逆變換為：
