Question

以虹膜数据为例，虹膜有三种类型：setosa，versicolor和virginica。我想分别规范化他们的sepal.length。我知道一个简单而乏味的过程。是否有更简单的方法来实现我的目标？我的过程：

    data(iris)
    library(dplyr)
    normalize <- function(x){
        return((x- mean(x))/(max(x)-min(x)))
    }
    data1 <- sapply(filter(iris, Species == 'setosa')[1:4], normalize)
    data2 <- sapply(filter(iris, Species == 'versicolor')[1:4], normalize)
    data3 <- sapply(filter(iris, Species == 'virginica')[1:4], normalize)
    Speiec <- rep(c('setosa','versicolor','virginica'), each = 50)
    thedata <- rbind(data1, data2,data3)
    theirisdata <- data.frame(thedata,Speiec)

最终数据＆＃34;他们的数据＆＃34;具有相同的数据结构，但Sepal.length Sepal.width，Petal.length和Petal.width在每个物种组中被标准化。我需要一种更简洁的方式来解决这个问题。例如，数据帧的行可以被分类为10个或更多个组。对于每个组，每个列都应用了一个函数。

Answer 1

您可以在dplyr中使用group_by分别将功能应用于每个组，然后使用mutate_each

修改多个列

data(iris)
library(dplyr)
normalize <- function(x){
    return((x- mean(x))/(max(x)-min(x)))
}

my_data <- iris %>% group_by(Species) %>% 
    mutate_each(funs(normalize))

检查它是否与原始答案相同：

all(my_data == theirisdata)
 [1] TRUE

规范化函数应用于具有分组行的所有列

1 个答案: