R でデータを標準化する方法: 例付き
データセットの標準化とは、平均値が 0、標準偏差が 1 になるようにデータセット内のすべての値をスケーリングすることを意味します。
これを行う最も一般的な方法は、次の式を使用して値をスケーリングする Z スコア標準化を使用することです。
(x i – x ) / 秒
金:
- x i : データセットのi 番目の値
- x : サンプルの意味
- s : サンプルの標準偏差
次の例は、R のdplyrパッケージでscale()関数を使用し、Z スコア標準化を使用してデータ フレーム内の 1 つ以上の変数をスケーリングする方法を示しています。
単一の変数を標準化する
次のコードは、3 つの変数を含むデータ フレーム内の 1 つの変数をスケーリングする方法を示しています。
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
最初の変数のみがスケーリングされ、他の 2 つの変数は同じままであることに注意してください。新しいスケーリングされた変数の平均値が 0、標準偏差が 1 であることがすぐに確認できます。
#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
複数の変数を標準化する
次のコードは、データ フレーム内の複数の変数を一度にスケーリングする方法を示しています。
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
すべての変数を標準化する
次のコードは、 mutate_all関数を使用してデータ フレーム内のすべての変数をスケーリングする方法を示しています。
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
追加リソース
次のチュートリアルでは、R で他の一般的なタスクを実行する方法について説明します。
R でデータを正規化する方法
R の標準偏差を計算する方法
Rで欠損値をすべて代入する方法
R でデータを変換する方法 (対数、平方根、立方根)