Jak grupować / standaryzować zmienne w R?

9

Znane mi funkcje obejmują skalowanie od podstawy R, przeskalowanie od ARM.

Być może najlepszym sposobem byłoby użycie jakiegoś wariantu zastosowania, określając jedną lub więcej zmiennych do zastosowania jako zmienne grupujące.

r standardization centering

— Michael Bishop
źródło

Wypróbuj: agreguj (stan.x77, lista (Region = region.region, Zimno = stan.x77 [, „Frost”]> 130)), funkcja (x) ((x - średnia (x)) / sd (x) ))

— suncoolsu,

7

Oto możliwe plyr rozwiązanie. Zauważ, że opiera się on na transform()funkcji podstawowej .

my.df <- data.frame(x=rnorm(100, mean=10), 
                    sex=sample(c("M","F"), 100, rep=T), 
                    group=gl(5, 20, labels=LETTERS[1:5]))
library(plyr)
ddply(my.df, c("sex", "group"), transform, x.std = scale(x))

(Możemy sprawdzić, czy działa zgodnie z oczekiwaniami, np. with(subset(my.df, sex=="F" & group=="A"), scale(x)))

Zasadniczo drugi argument opisuje, jak „podzielić” dane, trzeci argument to, jaką funkcję zastosować do każdej porcji. Powyższe spowoduje dołączenie zmiennej x.stddo data.frame. Użyj, xjeśli chcesz zastąpić oryginalną zmienną skalowaną.

— chl
źródło

7

group.center <- function(var,grp) {
    return(var-tapply(var,grp,mean,na.rm=T)[grp])
}

— Thanassi
źródło

3

Oto rozwiązanie data.table . Jest zdecydowanie szybszy niż plyr (dotyczy tylko dużych zestawów danych). Może później zrobię lepszy przykład.

# generate example data
raw.data <- data.frame( outcome = c(rnorm(500, 100, 15), rnorm(500, 110, 12)), 
                        group = c(rep("a", 500), rep("b", 500)))

library(data.table)
# convert dataframe to data.table
raw.data <- data.table(raw.data, key = "group")

# create group standardized outcome variable
raw.data[ , group_std_outcome := (outcome - mean(outcome, na.rm = TRUE)) /  
           sd(outcome, na.rm = TRUE), "group"]

(Tak, odkryłem pytanie, które zadałem lata temu, kiedy byłem R noobem;)

— Michael Bishop
źródło

2

Możesz do tego użyć (między innymi) tapply( plyrpakiet zawiera wiele innych opcji, które mogą być lepiej dostosowane do konkretnej sytuacji):

tapply(variabletoscale, list(groupvar1, groupvar2), scale)

— Nick Sabbe
źródło

1

Z dwoma czynnikami nie zwróci ramki danych. W tym celu musisz przetworzyć wynik.

— chl

0

Ta odpowiedź pochodzi z białej księgi Mahmood Arai. Ma wygodny efekt uboczny, oznaczając wyśrodkowane wyniki przedrostkiem „C.”:

gcenter <- function(df1,group) {
        variables <- paste(
              rep("C", ncol(df1)),  colnames(df1), sep=".")
        copydf <- df1
        for (i in 1:ncol(df1)) {
              copydf[,i] <- df1[,i] - ave(df1[,i], group, FUN=mean)}
        colnames(copydf) <- variables
        return(cbind(df1,copydf))}

— Regress Forward
źródło

0

Oto zaktualizowana implementacja wykorzystująca dplyr z tidyverse .

library(tidyverse)

my.df <- data.frame(x=rnorm(100, mean=10), sex=sample(c("M","F"), 100, rep=T))
my.df <- group_by(my.df, sex) %>% mutate(x.sd = as.numeric(scale(x)))

— Brian Levey
źródło