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)