Come standardizzare i dati in r: con esempi

Standardizzare un set di dati significa ridimensionare tutti i valori nel set di dati in modo tale che il valore medio sia 0 e la deviazione standard sia 1.

Il modo più comune per farlo è utilizzare la standardizzazione del punteggio z, che scala i valori utilizzando la seguente formula:

(x _i – x ) / s

Oro:

• x _i : l’i ^-esimo valore del set di dati
• x : Il campione significa
• s : la deviazione standard del campione

Gli esempi seguenti mostrano come utilizzare la funzione scale() con il pacchetto dplyr in R per ridimensionare una o più variabili in un frame di dati utilizzando la standardizzazione z-score.

Standardizzare una singola variabile

Il codice seguente mostra come ridimensionare una singola variabile in un frame di dati con tre variabili:

 library (dplyr)

#make this example reproducible 
set.seed(1)

#create original data frame
df <- data.frame(var1= runif(10, 0, 50), 
                 var2= runif(10, 2, 23),
                 var3= runif(10, 5, 38))

#view original data frame
df

        var1 var2 var3
1 13.275433 6.325466 35.845273
2 18.606195 5.707692 12.000703
3 28.642668 16.427480 26.505234
4 45.410389 10.066178 9.143318
5 10.084097 18.166670 13.818282
6 44.919484 12.451684 17.741765
7 47.233763 17.069989 5.441881
8 33.039890 22.830028 17.618803
9 31.455702 9.980739 33.699798
10 3.089314 18.326350 16.231517

#scale var1 to have mean = 0 and standard deviation = 1
df2 <- df %>% mutate_at (c(' var1 '), ~( scale (.) %>% as.vector ))
df2

          var1 var2 var3
1 -0.90606801 6.325466 35.845273
2 -0.56830963 5.707692 12.000703
3 0.06760377 16.427480 26.505234
4 1.13001072 10.066178 9.143318
5 -1.10827188 18.166670 13.818282
6 1.09890684 12.451684 17.741765
7 1.24554014 17.069989 5.441881
8 0.34621281 22.830028 17.618803
9 0.24583830 9.980739 33.699798
10 -1.55146305 18.326350 16.231517

Si noti che solo la prima variabile è stata ridimensionata mentre le altre due variabili sono rimaste le stesse. Possiamo rapidamente confermare che la nuova variabile scalata ha un valore medio pari a 0 e una deviazione standard pari a 1:

 #calculate mean of scaled variable
mean(df2$var1)

[1] -4.18502e-18 #basically zero

#calculate standard deviation of scaled variable 
sd(df2$var1)

[1] 1

Standardizzare più variabili

Il codice seguente mostra come ridimensionare più variabili contemporaneamente in un frame di dati:

 library (dplyr)

#make this example reproducible 
set.seed(1)

#create original data frame
df <- data.frame(var1= runif(10, 0, 50), 
                 var2= runif(10, 2, 23),
                 var3= runif(10, 5, 38))

#scale var1 and var2 to have mean = 0 and standard deviation = 1
df3 <- df %>% mutate_at (c(' var1 ', ' var2 '), ~( scale (.) %>% as.vector ))
df3

          var1 var2 var3
1 -0.90606801 -1.3045574 35.845273
2 -0.56830963 -1.4133223 12.000703
3 0.06760377 0.4739961 26.505234
4 1.13001072 -0.6459703 9.143318
5 -1.10827188 0.7801967 13.818282
6 1.09890684 -0.2259798 17.741765
7 1.24554014 0.5871157 5.441881
8 0.34621281 1.6012242 17.618803
9 0.24583830 -0.6610127 33.699798
10 -1.55146305 0.8083098 16.231517

Standardizzare tutte le variabili

Il codice seguente mostra come ridimensionare tutte le variabili in un frame di dati utilizzando la funzione mutate_all :

 library (dplyr)

#make this example reproducible 
set.seed(1)

#create original data frame
df <- data.frame(var1= runif(10, 0, 50), 
                 var2= runif(10, 2, 23),
                 var3= runif(10, 5, 38))

#scale all variables to have mean = 0 and standard deviation = 1
df4 <- df %>% mutate_all (~( scale (.) %>% as.vector ))
df4

          var1 var2 var3
1 -0.90606801 -1.3045574 1.6819976
2 -0.56830963 -1.4133223 -0.6715858
3 0.06760377 0.4739961 0.7600871
4 1.13001072 -0.6459703 -0.9536246
5 -1.10827188 0.7801967 -0.4921813
6 1.09890684 -0.2259798 -0.1049130
7 1.24554014 0.5871157 -1.3189757
8 0.34621281 1.6012242 -0.1170501
9 0.24583830 -0.6610127 1.4702281
10 -1.55146305 0.8083098 -0.2539824

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni in R:

Come normalizzare i dati in R
Come calcolare la deviazione standard in R
Come imputare tutti i valori mancanti in R
Come trasformare i dati in R (log, radice quadrata, radice cubica)