创建r函数,标准化多个变量并创建新列

时间:2018-02-15 19:53:46

标签: r function standardized

我有一个数据集,我在其中使用许多变量的中心和标准化版本。在我的r代码中,我有一个大的scale()函数列表,我为所有变量运行,但我想知道是否有一种方法来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的向量,并根据我指定要标准化的变量将它们附加到数据帧的末尾?

我在网上找到了example

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

哪个接近但它没有解决创建新向量并将它们附加到现有数据集末尾的问题。理想情况下,我希望它能让我唯一需要改变的是center.scale()函数中的变量名。谢谢!

3 个答案:

答案 0 :(得分:3)

这是一个没有硬编码scale选项的版本,并允许您选择原始列的子集。它返回data.frame,因为在更多情况下它会很有用,但如果您愿意,可以轻松修改它以返回matrix

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,它会返回data.frame,其中所有列都已标准化并附加。

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,这样您就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

答案 1 :(得分:2)

就像@Dason所说,你只需要在原始数据中将你的函数修改为cbind,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:

          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

答案 2 :(得分:1)

如果我正确理解了您的问题,您可cbind scale输出原始数据,正如@Dason建议的那样。

示例:

> 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