Як центрувати дані в r (з прикладами)

Центрування набору даних означає віднімання середнього значення кожного окремого спостереження в наборі даних.

Наприклад, припустимо, що ми маємо такий набір даних:

Виявляється, що середнє значення дорівнює 14. Отже, щоб центрувати цей набір даних, ми б відняли 14 від кожного окремого спостереження:

Зауважте, що середнє значення центрованого набору даних дорівнює нулю.

Цей підручник містить кілька прикладів того, як центрувати дані в R.

Приклад 1: центрування значень вектора

Наступний код показує, як використовувати базову функцію R scale() для центрування значень у векторі:

 #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

Отримані значення є центрованими значеннями набору даних. Функція scale() також повідомляє нам, що середнє значення набору даних становить 14.

Зауважте, що функція scale() за умовчанням віднімає середнє значення з кожного окремого спостереження, а потім ділить його на стандартне відхилення.

Вказуючи scale=FALSE, ми повідомляємо R не ділити на стандартне відхилення.

Приклад 2: Центрування стовпців у фреймі даних

У наведеному нижче коді показано, як використовувати функцію sapply() і функцію scale() бази даних R для центрування значень кожного стовпця кадру даних:

 #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

Ми можемо перевірити, що середнє значення кожного стовпця в новому кадрі даних дорівнює нулю за допомогою функції colMeans() :

 colMeans(df_new)

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

Значення показані в науковому позначенні, але кожне значення по суті дорівнює нулю.

Додаткові ресурси

Як усереднити стовпці в R
Як підсумувати певні стовпці в R
Як видалити викиди з кількох стовпців у R