{"id":484,"date":"2023-07-29T18:10:23","date_gmt":"2023-07-29T18:10:23","guid":{"rendered":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/"},"modified":"2023-07-29T18:10:23","modified_gmt":"2023-07-29T18:10:23","slug":"jak-normalizowac-dane-w-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/","title":{"rendered":"Jak normalizowa\u0107 dane w r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">W wi\u0119kszo\u015bci przypadk\u00f3w, gdy ludzie m\u00f3wi\u0105 o \u201enormalizowaniu\u201d zmiennych w zbiorze danych, maj\u0105 na my\u015bli, \u017ce chc\u0105 skalowa\u0107 warto\u015bci w taki spos\u00f3b, aby zmienna mia\u0142a \u015bredni\u0105 0 i odchylenie standardowe od 1.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Najcz\u0119stszym powodem standaryzacji zmiennych jest sytuacja, gdy przeprowadzasz pewnego rodzaju analiz\u0119 wielowymiarow\u0105 (tj. chcesz zrozumie\u0107 zwi\u0105zek mi\u0119dzy wieloma zmiennymi predykcyjnymi a zmienn\u0105 odpowiedzi) i chcesz, aby ka\u017cda zmienna w r\u00f3wnym stopniu przyczynia\u0142a si\u0119 do analizy.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kiedy zmienne s\u0105 mierzone w r\u00f3\u017cnych skalach, cz\u0119sto nie wnosz\u0105 one jednakowego wk\u0142adu do analizy. Przyk\u0142adowo, je\u015bli warto\u015bci jednej zmiennej mieszcz\u0105 si\u0119 w przedziale od 0 do 100 000, a warto\u015bci innej zmiennej mieszcz\u0105 si\u0119 w przedziale od 0 do 100, to zmienna o wi\u0119kszym zakresie b\u0119dzie mia\u0142a w analizie wi\u0119ksz\u0105 wag\u0119.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dzieje si\u0119 tak cz\u0119sto, gdy jedna zmienna mierzy co\u015b w rodzaju wynagrodzenia (od 0 do 100 000 dolar\u00f3w), a inna zmienna mierzy co\u015b w rodzaju wieku (od 0 do 100 lat).<\/span><\/p>\n<p> <span style=\"color: #000000;\">Standaryzuj\u0105c zmienne, mo\u017cemy mie\u0107 pewno\u015b\u0107, \u017ce ka\u017cda zmienna w r\u00f3wnym stopniu przyczynia si\u0119 do analizy. Istniej\u0105 dwa typowe sposoby normalizacji (lub \u201eskalowania\u201d) zmiennych:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Normalizacja Min-Max:<\/strong> (X \u2013 min(X)) \/ (max(X) \u2013 min(X))<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong><span style=\"color: #000000;\">Standaryzacja wyniku Z:<\/span><\/strong> (X \u2013 \u03bc) \/ \u03c3<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Nast\u0119pnie poka\u017cemy, jak wdro\u017cy\u0107 te dwie techniki w R.<\/span><\/p>\n<h2> <strong><span style=\"color: #000000;\">Jak normalizowa\u0107 (lub \u201eskalowa\u0107\u201d) zmienne w R<\/span><\/strong><\/h2>\n<p> <span style=\"color: #000000;\">W ka\u017cdym z poni\u017cszych przyk\u0142ad\u00f3w u\u017cyjemy wbudowanej <strong>t\u0119cz\u00f3wki<\/strong> zestawu danych R, aby zilustrowa\u0107, jak normalizowa\u0107 lub skalowa\u0107 zmienne w R:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <span style=\"color: #008080;\"><strong>#view first six rows of <em>iris<\/em> dataset\n<span style=\"color: #000000;\">head(iris)\n\n# Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n#1 5.1 3.5 1.4 0.2 setosa\n#2 4.9 3.0 1.4 0.2 setosa\n#3 4.7 3.2 1.3 0.2 setosa\n#4 4.6 3.1 1.5 0.2 setosa\n#5 5.0 3.6 1.4 0.2 setosa\n#6 5.4 3.9 1.7 0.4 setosa\n<\/span><\/strong><\/span><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Normalizacja min.-maks<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Wz\u00f3r na normalizacj\u0119 min-max to:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">(X \u2013 min(X))\/(max(X) \u2013 min(X))<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dla ka\u017cdej warto\u015bci zmiennej po prostu znajdujemy odleg\u0142o\u015b\u0107 mi\u0119dzy t\u0105 warto\u015bci\u0105 a warto\u015bci\u0105 minimaln\u0105, a nast\u0119pnie dzielimy przez zakres.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Aby zaimplementowa\u0107 to w R, mo\u017cemy zdefiniowa\u0107 prost\u0105 funkcj\u0119, a nast\u0119pnie u\u017cy\u0107 <a href=\"https:\/\/statorials.org\/pl\/przewodnik-dotyczacy-stosowania-lapply-sapply-i-tapply-w-r\/\" target=\"_blank\" rel=\"noopener\">laply<\/a> , aby zastosowa\u0107 t\u0119 funkcj\u0119 do kolumn w \u017c\u0105danym zestawie danych <strong>iris<\/strong> :<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define Min-Max normalization function<\/span>\nmin_max_norm &lt;- <span style=\"color: #800080;\">function<\/span> (x) {\n    (x - min(x)) \/ (max(x) - min(x))\n  }\n\n<span style=\"color: #008080;\">#apply Min-Max normalization to first four columns in <em>iris<\/em> dataset\n<span style=\"color: #000000;\">iris_norm &lt;- as.data.frame(lapply(iris[1:4], min_max_norm))\n\n<span style=\"color: #008080;\">#view first six rows of normalized <em>iris<\/em> dataset<\/span>\nhead(iris_norm)\n\n# Sepal.Length Sepal.Width Petal.Length Petal.Width\n#1 0.22222222 0.6250000 0.06779661 0.04166667\n#2 0.16666667 0.4166667 0.06779661 0.04166667\n#3 0.11111111 0.5000000 0.05084746 0.04166667\n#4 0.08333333 0.4583333 0.08474576 0.04166667\n#5 0.19444444 0.6666667 0.06779661 0.04166667\n#6 0.30555556 0.7916667 0.11864407 0.12500000\n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Zauwa\u017c, \u017ce ka\u017cda z kolumn ma teraz warto\u015bci od 0 do 1. Nale\u017cy r\u00f3wnie\u017c pami\u0119ta\u0107, \u017ce pi\u0105ta kolumna \u201eGatunek\u201d zosta\u0142a usuni\u0119ta z tej ramki danych. Mo\u017cemy go \u0142atwo doda\u0107 za pomoc\u0105 nast\u0119puj\u0105cego kodu:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#add back <em>Species<\/em> column<\/span>\niris_norm$Species &lt;- iris$Species\n\n<span style=\"color: #008080;\">#view first six rows of <em>iris_norm\n<\/em><\/span>head(iris_norm)\n\n# Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n#1 0.22222222 0.6250000 0.06779661 0.04166667 setosa\n#2 0.16666667 0.4166667 0.06779661 0.04166667 setosa\n#3 0.11111111 0.5000000 0.05084746 0.04166667 setosa\n#4 0.08333333 0.4583333 0.08474576 0.04166667 setosa\n#5 0.19444444 0.6666667 0.06779661 0.04166667 setosa\n#6 0.30555556 0.7916667 0.11864407 0.12500000 setosa\n<\/strong><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Standaryzacja wyniku Z<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Wad\u0105 techniki normalizacji min-max jest to, \u017ce przesuwa ona warto\u015bci danych bli\u017cej \u015bredniej. Je\u015bli chcemy mie\u0107 pewno\u015b\u0107, \u017ce warto\u015bci odstaj\u0105ce b\u0119d\u0105 mia\u0142y wi\u0119ksz\u0105 wag\u0119 ni\u017c inne warto\u015bci, lepsz\u0105 technik\u0105 do wdro\u017cenia jest standaryzacja wyniku Z.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Wz\u00f3r na standaryzacj\u0119 wyniku Z jest nast\u0119puj\u0105cy:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">(X \u2013 \u03bc) \/ \u03c3<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dla ka\u017cdej warto\u015bci zmiennej po prostu odejmujemy \u015bredni\u0105 warto\u015b\u0107 zmiennej, a nast\u0119pnie dzielimy przez odchylenie standardowe zmiennej.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Aby zaimplementowa\u0107 to w R, mamy kilka opcji:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Standaryzuj zmienn\u0105<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Je\u015bli chcemy po prostu ujednolici\u0107 zmienn\u0105 w zbiorze danych, np. Sepal.Width w zbiorze danych <strong>t\u0119cz\u00f3wki<\/strong> , mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cego kodu:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#standardize<\/span> <span style=\"color: #008080;\"><em>Sepal.Width\n<\/em><\/span>iris$Sepal.Width &lt;- (iris$Sepal.Width - mean(iris$Sepal.Width)) \/ sd(iris$Sepal.Width)\n\nhead(iris)\n\n# Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n#1 5.1 1.01560199 1.4 0.2 setosa\n#2 4.9 -0.13153881 1.4 0.2 setosa\n#3 4.7 0.32731751 1.3 0.2 setosa\n#4 4.6 0.09788935 1.5 0.2 setosa\n#5 5.0 1.24503015 1.4 0.2 setosa\n#6 5.4 1.93331463 1.7 0.4 setosa\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Warto\u015bci <em>Sepal.Width<\/em> s\u0105 teraz skalowane w taki spos\u00f3b, \u017ce \u015brednia wynosi 0, a odchylenie standardowe wynosi 1. Mo\u017cemy to nawet sprawdzi\u0107, je\u015bli chcemy:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#find mean of <em>Sepal.Width\n<\/em><\/span>mean(iris$Sepal.Width)\n\n#[1] 2.034094e-16 <span style=\"color: #008080;\">#basically zero<\/span>\n\n<span style=\"color: #008080;\">#find standard deviation of <em>Sepal.Width\n<\/em><\/span>sd(iris$Sepal.Width)\n\n#[1] 1<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><strong>2. Standaryzuj wiele zmiennych za pomoc\u0105 funkcji skali<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Aby znormalizowa\u0107 wiele zmiennych, mo\u017cna po prostu u\u017cy\u0107 funkcji <em>skali<\/em> . Na przyk\u0142ad poni\u017cszy kod pokazuje, jak skalowa\u0107 pierwsze cztery kolumny zbioru danych <strong>t\u0119cz\u00f3wki<\/strong> :<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <span style=\"color: #000000;\"><strong><span style=\"color: #008080;\">#standardize first four columns of <em>iris<\/em> dataset<\/span>\niris_standardize &lt;- as.data.frame(scale(iris[1:4]))\n\n<span style=\"color: #008080;\">#view first six rows of standardized dataset<\/span>\n<\/strong><\/span><strong>head(iris_standardize)\n\n# Sepal.Length Sepal.Width Petal.Length Petal.Width\n#1 -0.8976739 1.01560199 -1.335752 -1.311052\n#2 -1.1392005 -0.13153881 -1.335752 -1.311052\n#3 -1.3807271 0.32731751 -1.392399 -1.311052\n#4 -1.5014904 0.09788935 -1.279104 -1.311052\n#5 -1.0184372 1.24503015 -1.335752 -1.311052\n#6 -0.5353840 1.93331463 -1.165809 -1.048667\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Nale\u017cy zauwa\u017cy\u0107, \u017ce funkcja <em>skali<\/em> domy\u015blnie pr\u00f3buje znormalizowa\u0107 ka\u017cd\u0105 kolumn\u0119 w ramce danych. Zatem przy pr\u00f3bie u\u017cycia <strong>funkcji skala(irys)<\/strong> otrzymaliby\u015bmy b\u0142\u0105d, poniewa\u017c kolumna <em>Gatunki<\/em> nie jest liczbowa i nie mo\u017cna jej ujednolici\u0107:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong>scale(iris)\n\n#Error in colMeans(x, na.rm = TRUE): 'x' must be numeric\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Jednak przy u\u017cyciu pakietu <strong>dplyr<\/strong> mo\u017cliwa jest standaryzacja tylko niekt\u00f3rych zmiennych w ramce danych, przy jednoczesnym zachowaniu wszystkich pozosta\u0142ych zmiennych bez zmian. Na przyk\u0142ad poni\u017cszy kod standaryzuje zmienne <em>Sepal.Width<\/em> i <em>Sepal.Length<\/em> , zachowuj\u0105c jednocze\u015bnie wszystkie pozosta\u0142e zmienne:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#load <em>dplyr<\/em> package<\/span>\nlibrary(dplyr)\n\n<span style=\"color: #008080;\">#standardize <em>Sepal.Width<\/em> and <em>Sepal.Length<\/em>\n<\/span>iris_new &lt;- iris %&gt;% mutate_each_(list(~scale(.) %&gt;% as.vector),\n                                  vars = c(\"Sepal.Width\",\"Sepal.Length\"))\n\n<span style=\"color: #008080;\">#view first six rows of new data frame\n<\/span>head(iris_new)\n\n# Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n#1 -0.8976739 1.01560199 1.4 0.2 setosa\n#2 -1.1392005 -0.13153881 1.4 0.2 setosa\n#3 -1.3807271 0.32731751 1.3 0.2 setosa\n#4 -1.5014904 0.09788935 1.5 0.2 setosa\n#5 -1.0184372 1.24503015 1.4 0.2 setosa\n#6 -0.5353840 1.93331463 1.7 0.4 setosa\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Nale\u017cy zauwa\u017cy\u0107, \u017ce <em>Sepal.Length<\/em> i <em>Sepal.Width<\/em> s\u0105 standaryzowane w taki spos\u00f3b, \u017ce obie zmienne maj\u0105 \u015bredni\u0105 0 i odchylenie standardowe 1, podczas gdy pozosta\u0142e trzy zmienne w ramce danych pozostaj\u0105 niezmienione.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>W wi\u0119kszo\u015bci przypadk\u00f3w, gdy ludzie m\u00f3wi\u0105 o \u201enormalizowaniu\u201d zmiennych w zbiorze danych, maj\u0105 na my\u015bli, \u017ce chc\u0105 skalowa\u0107 warto\u015bci w taki spos\u00f3b, aby zmienna mia\u0142a \u015bredni\u0105 0 i odchylenie standardowe od 1. Najcz\u0119stszym powodem standaryzacji zmiennych jest sytuacja, gdy przeprowadzasz pewnego rodzaju analiz\u0119 wielowymiarow\u0105 (tj. chcesz zrozumie\u0107 zwi\u0105zek mi\u0119dzy wieloma zmiennymi predykcyjnymi a zmienn\u0105 odpowiedzi) [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-484","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Jak normalizowa\u0107 dane w R - Statorials<\/title>\n<meta name=\"description\" content=\"W tym samouczku wyja\u015bniono kilka sposob\u00f3w \u0142atwej normalizacji lub skalowania danych w j\u0119zyku R.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Jak normalizowa\u0107 dane w R - Statorials\" \/>\n<meta property=\"og:description\" content=\"W tym samouczku wyja\u015bniono kilka sposob\u00f3w \u0142atwej normalizacji lub skalowania danych w j\u0119zyku R.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T18:10:23+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minut\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/\",\"url\":\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/\",\"name\":\"Jak normalizowa\u0107 dane w R - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-29T18:10:23+00:00\",\"dateModified\":\"2023-07-29T18:10:23+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"W tym samouczku wyja\u015bniono kilka sposob\u00f3w \u0142atwej normalizacji lub skalowania danych w j\u0119zyku R.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Jak normalizowa\u0107 dane w r\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pl\/#website\",\"url\":\"https:\/\/statorials.org\/pl\/\",\"name\":\"Statorials\",\"description\":\"Tw\u00f3j przewodnik po kompetencjach statystycznych!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\",\"name\":\"Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin Anderson\"},\"description\":\"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej\",\"sameAs\":[\"https:\/\/statorials.org\/pl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Jak normalizowa\u0107 dane w R - Statorials","description":"W tym samouczku wyja\u015bniono kilka sposob\u00f3w \u0142atwej normalizacji lub skalowania danych w j\u0119zyku R.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/","og_locale":"pl_PL","og_type":"article","og_title":"Jak normalizowa\u0107 dane w R - Statorials","og_description":"W tym samouczku wyja\u015bniono kilka sposob\u00f3w \u0142atwej normalizacji lub skalowania danych w j\u0119zyku R.","og_url":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/","og_site_name":"Statorials","article_published_time":"2023-07-29T18:10:23+00:00","author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"5 minut"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/","url":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/","name":"Jak normalizowa\u0107 dane w R - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-29T18:10:23+00:00","dateModified":"2023-07-29T18:10:23+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"W tym samouczku wyja\u015bniono kilka sposob\u00f3w \u0142atwej normalizacji lub skalowania danych w j\u0119zyku R.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/jak-normalizowac-dane-w-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Jak normalizowa\u0107 dane w r"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pl\/#website","url":"https:\/\/statorials.org\/pl\/","name":"Statorials","description":"Tw\u00f3j przewodnik po kompetencjach statystycznych!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965","name":"Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Benjamin Anderson"},"description":"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej","sameAs":["https:\/\/statorials.org\/pl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/484","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/comments?post=484"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/484\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=484"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=484"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=484"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}