Стандартизировать набор данных означает масштабировать все значения в наборе данных таким образом, чтобы среднее значение равнялось 0, а стандартное отклонение равнялось 1.
Наиболее распространенный способ сделать это — использовать стандартизацию z-оценки, которая масштабирует значения по следующей формуле:
(х я – х ) / с
куда:
- x i : i -е значение в наборе данных
- x : Среднее значение выборки
- s : Стандартное отклонение выборки
В следующих примерах показано, как использовать функцию scale() в сочетании с пакетом dplyr в R для масштабирования одной или нескольких переменных во фрейме данных с использованием стандартизации z-score.
Стандартизируйте одну переменную
Следующий код показывает, как масштабировать только одну переменную во фрейме данных с тремя переменными:
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
Обратите внимание, что только первая переменная была масштабирована, а две другие переменные остались прежними. Мы можем быстро подтвердить, что новая масштабированная переменная имеет среднее значение 0 и стандартное отклонение 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
Стандартизируйте несколько переменных
В следующем коде показано, как одновременно масштабировать несколько переменных во фрейме данных:
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
Стандартизируйте все переменные
В следующем коде показано, как масштабировать все переменные во фрейме данных с помощью функции 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
Дополнительные ресурсы
Как нормализовать данные в R
Как рассчитать стандартное отклонение в R
Как заменить пропущенные значения в R
Как преобразовать данные в R (логарифм, квадратный корень, кубический корень)