3

我有一个数据集,我在其中处理许多变量的均值中心和标准化版本。在我的 r 代码中,我有一个为所有变量运行的 scale() 函数的大列表,但我想知道是否有一种方法可以编写一个简单的函数来优化这个过程。

例如:而不是像这样的巨大列表......

df$Z.ROW1 <- scale(df$ROW1, scale=T)
df$Z.ROW2 <- scale(df$ROW2, scale=T)
df$Z.ROW3 <- scale(df$ROW3, scale=T)
.....

有没有办法编写一个函数来创建新向量并根据我指定要标准化的变量将它们附加到数据框的末尾?

我在网上找到了这个例子:

set.seed(212)
df = matrix(rnorm(15), 5, 5))
colnames(df) <- c("ROW1", "ROW2", "ROW3", "ROW4", "ROW5")
df

          ROW1       ROW2       ROW3       ROW4       ROW5
[1,] -0.2391731  0.1544909  0.1503488 -0.2391731  0.1544909
[2,]  0.6769356  1.0368712  0.5096765  0.6769356  1.0368712
[3,] -2.4403360 -0.7796077 -0.7733148 -2.4403360 -0.7796077
[4,]  1.2408845  0.6212641  1.8756660  1.2408845  0.6212641
[5,] -0.3265144  0.2994313  0.7883057 -0.3265144  0.2994313

center.scale <- function(z) {
  scale(z, scale = T)
}
center.scale(df[,c("ROW1", "ROW2")])

         ROW1      ROW2
[1,] -0.01534097 -0.1657064
[2,]  0.63734894  1.1398052
[3,] -1.58357932 -1.5477370
[4,]  1.03913941  0.5249004
[5,] -0.07756806  0.0487378

哪个接近但它不能解决创建新向量并将它们附加到我现有数据集的末尾的问题。理想情况下,我希望这样我唯一需要更改的是 center.scale() 函数中的变量名称。谢谢!

4

3 回答 3

3

这是一个不对scale选项进行硬编码的版本,它允许您选择原始列的子集。它返回 adata.frame因为这将在更多情况下有用,尽管您可以轻松修改它以返回 amatrix如果您愿意。

add_scaled <- function(data, vars = colnames(data), ...) {
    data.frame(data,
               setNames(data.frame(scale(data[, vars, drop = FALSE],
                                         ...)),
                        paste("Z", vars, sep = ".")))
}

默认情况下,它返回data.frame所有列标准化和附加的 a。

df = matrix(rnorm(15), 5, 3)
colnames(df) <- paste0("Col", 1:ncol(df))
df
##            Col1       Col2       Col3
## [1,]  1.9659082 -1.2254071  0.1477912
## [2,]  0.2666273 -0.9123931  1.4747579
## [3,]  1.0813351  2.4138457 -1.5569830
## [4,]  0.9618084  1.3076966 -0.8646893
## [5,] -2.0246095  0.3043559 -1.3617747

add_scaled(df)
##         Col1       Col2       Col3     Z.Col1      Z.Col2     Z.Col3
## 1  1.9659082 -1.2254071  0.1477912  1.0040228 -1.05411792  0.4625295
## 2  0.2666273 -0.9123931  1.4747579 -0.1216110 -0.84828629  1.5207917
## 3  1.0813351  2.4138457 -1.5569830  0.4180659  1.33898111 -0.8970361
## 4  0.9618084  1.3076966 -0.8646893  0.3388893  0.61159985 -0.3449285
## 5 -2.0246095  0.3043559 -1.3617747 -1.6393669 -0.04817676 -0.7413566

如果只有一些列应该标准化,您可以选择它们。

add_scaled(df, vars = c("Col1", "Col3"))
##         Col1       Col2       Col3     Z.Col1     Z.Col3
## 1  1.9659082 -1.2254071  0.1477912  1.0040228  0.4625295
## 2  0.2666273 -0.9123931  1.4747579 -0.1216110  1.5207917
## 3  1.0813351  2.4138457 -1.5569830  0.4180659 -0.8970361
## 4  0.9618084  1.3076966 -0.8646893  0.3388893 -0.3449285
## 5 -2.0246095  0.3043559 -1.3617747 -1.6393669 -0.7413566

最后,您可以将参数传递给scale,因此您不会失去任何灵活性。

add_scaled(df, vars = "Col1", center = FALSE, scale = TRUE)
##         Col1       Col2       Col3     Z.Col1
## 1  1.9659082 -1.2254071  0.1477912  1.2353890
## 2  0.2666273 -0.9123931  1.4747579  0.1675502
## 3  1.0813351  2.4138457 -1.5569830  0.6795177
## 4  0.9618084  1.3076966 -0.8646893  0.6044064
## 5 -2.0246095  0.3043559 -1.3617747 -1.2722773

add_scaled(df, vars = "Col1", center = TRUE, scale = FALSE)
##         Col1       Col2       Col3     Z.Col1
## 1  1.9659082 -1.2254071  0.1477912  1.5156943
## 2  0.2666273 -0.9123931  1.4747579 -0.1835866
## 3  1.0813351  2.4138457 -1.5569830  0.6311212
## 4  0.9618084  1.3076966 -0.8646893  0.5115945
## 5 -2.0246095  0.3043559 -1.3617747 -2.4748234
于 2018-02-15T20:37:32.387 回答
2

就像@Dason 所说,您只需将函数修改为cbind原始数据,并相应地命名新列。

center.scale <- function(z) {

   x <- scale(z, scale = T)

   colnames(x) <- paste0("scale_", colnames(x))

   cbind(z, x)

}

center.scale(df[,c("ROW1", "ROW2")])

结果是:

          ROW1       ROW2  scale_ROW1 scale_ROW2
[1,] -0.2391731  0.1544909 -0.01534097 -0.1657064
[2,]  0.6769356  1.0368712  0.63734894  1.1398052
[3,] -2.4403360 -0.7796077 -1.58357932 -1.5477370
[4,]  1.2408845  0.6212641  1.03913941  0.5249004
[5,] -0.3265144  0.2994313 -0.07756806  0.0487378
于 2018-02-15T20:23:54.990 回答
1

如果我正确理解了您的问题,您可以按照@Dason 的建议cbind输出原始数据。scale

例子:

> df <- data.frame(ROW1 = c(1,2,1,1), ROW2 = c(1,2,3,4), ROW3 = c(5,8,6,5))
> df
  ROW1 ROW2 ROW3
1    1    1    5
2    2    2    8
3    1    3    6
4    1    4    5
> df <- cbind(df, scale(df, scale = T))
> names(df)[4:6] <- paste0('Z.', names(df)[4:6])
> df
  ROW1 ROW2 ROW3 Z.ROW1     Z.ROW2     Z.ROW3
1    1    1    5   -0.5 -1.1618950 -0.7071068
2    2    2    8    1.5 -0.3872983  1.4142136
3    1    3    6   -0.5  0.3872983  0.0000000
4    1    4    5   -0.5  1.1618950 -0.7071068
于 2018-02-15T20:05:27.543 回答