Hoe kwantielnormalisatie uit te voeren in r

In de statistiek is kwantielnormalisatie een methode die twee verdelingen identiek maakt in termen van statistische eigenschappen.

In het volgende voorbeeld ziet u hoe u kwantielnormalisatie uitvoert in R.

Voorbeeld: kwantielnormalisatie in R

Stel dat we het volgende dataframe in R maken dat twee kolommen bevat:

 #make this example reproducible
set. seeds (0)

#create data frame with two columns
df <- data. frame (x=rnorm(1000),
                 y=rnorm(1000))

#view first six rows of data frame
head(df)

           xy
1 1.2629543 -0.28685156
2 -0.3262334 1.84110689
3 1.3297993 -0.15676431
4 1.2724293 -1.38980264
5 0.4146414 -1.47310399
6 -1.5399500 -0.06951893

We kunnen de functies sapply() en quantile() gebruiken om de kwantielen voor x en y te berekenen:

 #calculate quantiles for x and y
sapply(df, function(x) quantile(x, probs = seq(0, 1, 1/4)))

               xy
0% -3.23638573 -3.04536393
25% -0.70845589 -0.73331907
50% -0.05887078 -0.03181533
75% 0.68763873 0.71755969
100% 3.26641452 3.03903341

Merk op dat x en y vergelijkbare waarden hebben voor de kwantielen, maar geen identieke waarden.

De 25e percentielwaarde voor x is bijvoorbeeld -0,708 en de 25e percentielwaarde voor y is -0,7333 .

Om kwantielnormalisatie uit te voeren, kunnen we de functie normalize.quantiles() uit het preprocessCore- pakket in R gebruiken:

 library (preprocessCore)

#perform quantile normalization
df_norm <- as. data . frame ( normalize.quantiles ( as.matrix (df)))

#rename data frame columns
names(df_norm) <- c(' x ', ' y ')

#view first six row of new data frame
head(df_norm)

           xy
1 1.2632137 -0.28520228
2 -0.3469744 1.82440519
3 1.3465807 -0.16471644
4 1.2692599 -1.34472394
5 0.4161133 -1.43717759
6 -1.6269731 -0.07906793

We kunnen dan de volgende code gebruiken om de kwantielen voor x en y opnieuw te berekenen:

 #calculate quantiles for x and y
sapply(df_norm, function(x) quantile(x, probs = seq(0, 1, 1/4)))

               xy
0% -3.14087483 -3.14087483
25% -0.72088748 -0.72088748
50% -0.04534305 -0.04534305
75% 0.70259921 0.70259921
100% 3.15272396 3.15272396

Merk op dat de kwantielen nu hetzelfde zijn voor x en y.

We zouden zeggen dat x en y kwantielgenormaliseerd zijn. Met andere woorden: de twee verdelingen zijn nu identiek in termen van statistische eigenschappen.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:

Hoe gegevens in R te normaliseren
Hoe percentielen in R te berekenen
Hoe de quantile()-functie in R te gebruiken