Como centralizar dados em r (com exemplos)

Centralizar um conjunto de dados significa subtrair o valor médio de cada observação individual no conjunto de dados.

Por exemplo, suponha que temos o seguinte conjunto de dados:

Acontece que o valor médio é 14. Portanto, para centralizar este conjunto de dados, subtrairíamos 14 de cada observação individual:

Observe que o valor médio do conjunto de dados centralizado é zero.

Este tutorial fornece vários exemplos de como centralizar dados em R.

Exemplo 1: Centralize os valores de um vetor

O código a seguir mostra como usar a função base R scale() para centralizar valores em um vetor:

 #createvector
data <- c(4, 6, 9, 13, 14, 17, 18, 19, 19, 21)

#subtract the mean value from each observation in the vector
scale(data, scale= FALSE )

      [,1]
 [1,] -10
 [2,] -8
 [3,] -5
 [4,] -1
 [5,] 0
 [6,] 3
 [7,] 4
 [8,] 5
 [9,] 5
[10,] 7

attr(,"scaled:center")
[1] 14

Os valores resultantes são os valores centralizados do conjunto de dados. A função scale() também nos diz que o valor médio do conjunto de dados é 14.

Observe que a função scale() , por padrão, subtrai a média de cada observação individual e depois a divide pelo desvio padrão.

Ao especificar scale=FALSE dizemos a R para não dividir pelo desvio padrão.

Exemplo 2: Centralizar colunas em um quadro de dados

O código a seguir mostra como usar a função sapply() e a função scale() do banco de dados R para centralizar os valores de cada coluna de um quadro de dados:

 #create data frame
df <- data.frame(x = c(1, 4, 5, 6, 6, 8, 9),
                 y = c(7, 7, 8, 8, 8, 9, 12),
                 z = c(3, 3, 4, 4, 6, 7, 7))

#center each column in the data frame
df_new <- sapply(df, function (x) scale(x, scale= FALSE ))

#display data frame
df_new

              X Y Z
[1,] -4.5714286 -1.4285714 -1.8571429
[2,] -1.5714286 -1.4285714 -1.8571429
[3,] -0.5714286 -0.4285714 -0.8571429
[4,] 0.4285714 -0.4285714 -0.8571429
[5,] 0.4285714 -0.4285714 1.1428571
[6,] 2.4285714 0.5714286 2.1428571
[7,] 3.4285714 3.5714286 2.1428571

Podemos verificar se a média de cada coluna no novo quadro de dados é zero usando a função colMeans() :

 colMeans(df_new)

            xyz 2.537653e-16 -2.537653e-16 3.806479e-16 

Os valores são mostrados em notação científica, mas cada valor é essencialmente zero.

Recursos adicionais

Como calcular a média das colunas em R
Como somar colunas específicas em R
Como remover outliers de múltiplas colunas em R