Question

我正在尝试使用两列矩阵的最小值和最大值来找到用于规范化我的值的R代码。

我的矩阵看起来像这样：第一列（C1）和C2 I.D不计算， C3;标题行1然后是407个数字和NA，C4;标题行1然后是数字和NA。

我想的是：

C3 = x的最小值，相同列x的最大值，

If(x="","NA",(x-Min value)/(Max value-Min value))

这将为列提供从0到1的值。对于第4列应该做同样的事情（那会是y还是让R感到困惑？）

我在编程方面不够熟练，或者在R中没有足够的技巧来生成这段代码，是否有特定的代码或任何人可以帮我写一个？

Answer 1

根据您描述的行提供一些示例数据

set.seed(1)
d <- data.frame(C1 = LETTERS[1:4], C2 = letters[1:4],
                C3 = runif(4, min = 0, max = 10),
                C4 = runif(4, min = 0, max = 10))
d

然后我们可以编写一个简单的函数来进行你描述的规范化

normalise <- function(x, na.rm = TRUE) {
    ranx <- range(x, na.rm = na.rm)
    (x - ranx[1]) / diff(ranx)
}

这可以通过多种方式应用于数据，但在这里我使用apply()：

apply(d[, 3:4], 2, normalise)

给出了

R> apply(d[, 3:4], 2, normalise)
            C3        C4
[1,] 0.0000000 0.0000000
[2,] 0.1658867 0.9377039
[3,] 0.4782093 1.0000000
[4,] 1.0000000 0.6179273

要将这些添加到现有数据，我们可以这样做：

d2 <- data.frame(d, apply(d[, 3:4], 2, normalise))
d2

给出了：

R> d2
  C1 C2       C3       C4      C3.1      C4.1
1  A  a 2.655087 2.016819 0.0000000 0.0000000
2  B  b 3.721239 8.983897 0.1658867 0.9377039
3  C  c 5.728534 9.446753 0.4782093 1.0000000
4  D  d 9.082078 6.607978 1.0000000 0.6179273

现在您提到您的数据包含NA，我们必须处理。您可能已经注意到我在na.rm函数中将TRUE参数设置为normalise()。这意味着它即使在NA：

的情况下也能正常工作

d3 <- d
d3[c(1,3), c(3,4)] <- NA ## set some NA
d3


R> d3
  C1 C2       C3       C4
1  A  a       NA       NA
2  B  b 3.721239 8.983897
3  C  c       NA       NA
4  D  d 9.082078 6.607978

使用normalise()我们仍然只使用非NA数据获得一些有用的输出：

R> apply(d3[, 3:4], 2, normalise)
     C3 C4
[1,] NA NA
[2,]  0  1
[3,] NA NA
[4,]  1  0

如果我们没有写normalise()，那么输出看起来像这样（na.rm = FALSE是range()和其他类似函数的默认值！）

R> apply(d3[, 3:4], 2, normalise, na.rm = FALSE)
     C3 C4
[1,] NA NA
[2,] NA NA
[3,] NA NA
[4,] NA NA

Answer 2

这是一种非参数归一化，但我建议你使用另一种方法：计算中位数和四分位数范围，减去中位数并除以IQR。这将为您提供中位数为0且IQR为1的分布。

m <- median( df$C3, na.rm = T )
iqr <- IQR( df$C3, na.rm = T )
df$C3 <- ( df$C3 - m ) / iqr

您建议的方法对异常值极为敏感。如果你真的想这样做，那就是：

 rng <- range( df$C3, na.rm = T )
 df$C3 <- ( df$C3 - rng[1] ) / ( rng[2] - rng[1] )

使用最小值和最大值标准化两列数据

2 个答案: