Jak standaryzować dane w r: z przykładami

Standaryzacja zbioru danych oznacza skalowanie wszystkich wartości w zbiorze danych w taki sposób, że średnia wartość wynosi 0, a odchylenie standardowe wynosi 1.

Najczęstszym sposobem na osiągnięcie tego jest zastosowanie standaryzacji z-score, która skaluje wartości za pomocą następującego wzoru:

(x _i – x ) / s

Złoto:

• x _i : ^i-ta wartość zbioru danych
• x : Przykładowe środki
• s : odchylenie standardowe próbki

Poniższe przykłady pokazują, jak używać funkcjiscale() z pakietem dplyr w języku R do skalowania jednej lub większej liczby zmiennych w ramce danych przy użyciu standaryzacji z-score.

Standaryzuj pojedynczą zmienną

Poniższy kod pokazuje, jak skalować pojedynczą zmienną w ramce danych z trzema zmiennymi:

 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

Należy zauważyć, że skalowano tylko pierwszą zmienną, podczas gdy pozostałe dwie zmienne pozostały takie same. Możemy szybko potwierdzić, że nowa skalowana zmienna ma średnią wartość 0 i odchylenie standardowe 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

Standaryzuj wiele zmiennych

Poniższy kod pokazuje, jak skalować wiele zmiennych w ramce danych jednocześnie:

 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

Standaryzuj wszystkie zmienne

Poniższy kod pokazuje, jak skalować wszystkie zmienne w ramce danych za pomocą funkcji 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

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania w języku R:

Jak normalizować dane w R
Jak obliczyć odchylenie standardowe w R
Jak wszystkim przypisać brakujące wartości w R
Jak przekształcać dane w R (log, pierwiastek kwadratowy, pierwiastek sześcienny)