Question

我正在尝试理解R提供的scale的定义。我有数据（mydata），我想制作热图，并且有一个非常强烈的正偏差。我为scale(mydata)和log(my data)创建了一个带有树形图的热图，两者的树形图都不同。为什么？扩展我的数据意味着什么，而不是对数据进行日志转换？如果我想查看说明数据列之间关系的树形图，哪个更合适呢？

感谢您的帮助！我已经阅读了这些定义，但他们对我的看法很高兴。

Answer 1

log只取向量的每个元素的对数（默认为基数e）。
scale，使用默认设置，将计算整个矢量的均值和标准差，然后通过减去均值并除以sd，将这些值“缩放”每个元素。（如果使用scale(x, scale=FALSE)，它只会减去均值，但不会除以标准偏差。）

请注意，这将为您提供相同的值

   set.seed(1)
   x <- runif(7)

   # Manually scaling
   (x - mean(x)) / sd(x)

   scale(x)

Answer 2

它除了提供数据的标准化之外别无其他。它创建的值在几个不同的名称下是已知的，其中一个是 z-scores （“Z”，因为正态分布也称为“Z分布”）。

更多信息可以在这里找到：

http://en.wikipedia.org/wiki/Standard_score

Answer 3

我想我将通过提供实际使用比例函数的具体示例来做出贡献。假设您要比较3个测试成绩（数学，科学和英语）。也许您甚至可能希望根据每个观察的3个测试中的每个来生成综合得分。您的数据可能如下所示：

student_id <- seq(1,10)
math <- c(502,600,412,358,495,512,410,625,573,522)
science <- c(95,99,80,82,75,85,80,95,89,86)
english <- c(25,22,18,15,20,28,15,30,27,18)
df <- data.frame(student_id,math,science,english)

显然，比较这3个评分的均值是没有意义的，因为评分的规模差异很大。但是，通过缩放它们，您可以得到更可比的得分单位：

z <- scale(df[,2:4],center=TRUE,scale=TRUE)

然后，您可以使用这些换算结果来创建综合得分。例如，取平均值，然后根据该平均值的百分位数指定等级。希望对您有所帮助！

注意：我从“ R In Action”一书中借用了这个示例。这是一本很棒的书！肯定会推荐。

Answer 4

这是一个较晚的补充，但是我自己正在寻找有关scale函数的信息，尽管它可能也会对其他人有所帮助。

稍微修改Ricardo Saporta的响应。
使用标准偏差不进行缩放，至少不是在R 3.6.1版中，我基于“ Becker，R.（2018）。新的S语言。 CRC Press。”和我自己的实验。

X.man.scaled <- X/sqrt(sum(X^2)/(length(X)-1))
X.aut.scaled <- scale(X, center = F)

这些行的结果完全相同，为简单起见，我没有居中显示它。

我会在评论中回复，但没有足够的声誉。

了解R中的`scale`

4 个答案: