数据清洗是将224家上市公司中，不具备设定的50个指标的公司删除掉，并且删除一些空值与重复值，清洗后，只剩下156家公司，如图所示。

对数变换是数据变换的一种常用方式，它可以将一类理论上未解决的模型问题转化为已经解决的问题。平时在一些数据处理中，经常会把原始数据取对数后进一步处理。本案例中取对数作用主要是缩小数据的绝对数值，方便计算。对数变换前后对比如图所示。

数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。

数据的标准化一般分为正向标准化与逆向标准化。正向化是指让正向指标的数字越大越好。正向化的结果是数据压缩在[0，1]范围内，即进行了量纲处理。当某些数据刚好为最小值时，则归一化后为0；如果数据刚好为最大值时，则归一化后为1。正向化的计算公式：（X-Min）/$2Max-Min$3。逆向化是指对逆向指标（逆向指标的数据是越小越好）进行处理。逆向化的结果也是将数据压缩在[0，1]范围内，即进行了量纲处理。公式可以看出，逆向化时，分母永远是大于0，随着X的增大，分子会越来越小；那么，对逆向指标进行逆向化处理之后就会得到一个特征，即数字越大越好（数字越大时，其实X是越小）。逆向化的计算公式：（Max-X）/$2Max-Min$3。本案例中逆向化的指标数据如裁判文书数量、异常经营次数、行政处罚次数等，除此之外的大部分数据为正向化指标。标准化处理前后对比如图所示。