R의 데이터 열 표준화
답변:
평균 0과 표준 편차 1을 원한다고 가정해야합니다. 데이터가 데이터 프레임에 있고 모든 열이 숫자 scale이면 데이터 에서 함수를 호출하여 원하는 것을 수행 할 수 있습니다.
dat <- data.frame(x = rnorm(10, 30, .2), y = runif(10, 3, 5))
scaled.dat <- scale(dat)
# check that we get mean of 0 and sd of 1
colMeans(scaled.dat) # faster version of apply(scaled.dat, 2, mean)
apply(scaled.dat, 2, sd)
내장 함수를 사용하는 것이 고급입니다. 이 고양이처럼 :
질문이 오래되었고 하나의 답변이 수락됨을 알기 위해 참고할 다른 답변을 제공하겠습니다.
scale모든 변수의 크기를 조정한다는 사실에 의해 제한됩니다 . 아래의 솔루션을 사용하면 다른 변수는 변경하지 않고 특정 변수 이름 만 확장 할 수 있습니다 (변수 이름은 동적으로 생성 될 수 있음).
library(dplyr)
set.seed(1234)
dat <- data.frame(x = rnorm(10, 30, .2),
y = runif(10, 3, 5),
z = runif(10, 10, 20))
dat
dat2 <- dat %>% mutate_at(c("y", "z"), ~(scale(.) %>% as.vector))
dat2
이것은 나에게 이것을 준다 :
> dat
x y z
1 29.75859 3.633225 14.56091
2 30.05549 3.605387 12.65187
3 30.21689 3.318092 13.04672
4 29.53086 3.079992 15.07307
5 30.08582 3.437599 11.81096
6 30.10121 4.621197 17.59671
7 29.88505 4.051395 12.01248
8 29.89067 4.829316 12.58810
9 29.88711 4.662690 19.92150
10 29.82199 3.091541 18.07352
과
> dat2 <- dat %>% mutate_at(c("y", "z"), ~(scale(.) %>% as.vector))
> dat2
x y z
1 29.75859 -0.3004815 -0.06016029
2 30.05549 -0.3423437 -0.72529604
3 30.21689 -0.7743696 -0.58772361
4 29.53086 -1.1324181 0.11828039
5 30.08582 -0.5946582 -1.01827752
6 30.10121 1.1852038 0.99754666
7 29.88505 0.3283513 -0.94806607
8 29.89067 1.4981677 -0.74751378
9 29.88711 1.2475998 1.80753470
10 29.82199 -1.1150515 1.16367556
편집 1 (2016) : Julian의 의견에 따르면 : 출력 scale은 Nx1 행렬이므로 이상적으로 as.vector행렬 유형을 다시 벡터 유형으로 변환 하려면를 추가해야합니다 . 줄리안 감사합니다!
편집 2 (2019) : 인용 Duccio A.의 의견 : 최신 dplyr (버전 0.8)의 경우 다음과 같이 목록으로 dplyr :: funcs를 변경해야합니다dat %>% mutate_each_(list(~scale(.) %>% as.vector), vars=c("y","z"))
편집 3 (2020) : @mj_whales 덕분에 : 이전 솔루션은 더 이상 사용되지 않으므로 이제 사용해야 mutate_at합니다.
f(g(x))더 좋아 보일 것 x %>% g %>% f입니다. 다시 말해서, dat %>% mutate_each_(funs(scale),vars=c("y","z"))그냥 mutate_each_(dat,funs(scale),vars=c("y","z"))입니다. 체인이 매우 길면 f(g(h(i(j(x)))))읽기가 매우 어려울 수 있으므로 작업자가 많은 도움을줍니다 .
dplyr(버전 0.8)의 경우 다음 dplyr::funcs과 list같이 변경해야합니다.dat %>% mutate_each_(list(~scale(.) %>% as.vector), vars=c("y","z"))
mutate_each_()더 이상 사용되지 않습니다. mutate_at()대신 사용할 수 있습니다 . 새로운 방법은 다음과 같습니다.dat2 <- dat %>% mutate_at(c("y", "z"), scale)
이것은 3 살입니다. 여전히 다음을 추가해야한다고 생각합니다.
가장 일반적인 정규화는 평균을 빼고 변수의 표준 편차로 나누는 z 변환 입니다. 결과는 mean = 0이고 sd = 1입니다.
이를 위해 패키지가 필요하지 않습니다.
zVar <- (myVar - mean(myVar)) / sd(myVar)그게 다야.
mutate(var = (var - mean(var))/sd(var)).
myVar <- (zVar * sd(zVar)) + mean(zVar)맞습니까?
newVar <- (zVar * sd(myVar)) + mean(myVar). 원래 평균 / sd를 사용해야합니다. 당신이 그것을 작성, 당신은 곱하고 sd(zVar)=1추가 mean(zVar)=0하므로 아무것도 변경되지 않습니다 :)
'Caret'패키지는 데이터 전처리 방법 (예 : 중심 및 스케일링)을 제공합니다. 다음 코드를 사용할 수도 있습니다.
library(caret)
# Assuming goal class is column 10
preObj <- preProcess(data[, -10], method=c("center", "scale"))
newData <- predict(preObj, data[, -10])Dason이 언급 한 솔루션을 사용했을 때 결과적으로 데이터 프레임을 얻는 대신 숫자 벡터 (df의 배율 값)를 얻었습니다.
누군가 같은 문제가 발생하면 다음과 같이 as.data.frame ()을 코드에 추가해야합니다.
df.scaled <- as.data.frame(scale(df))이것이 동일한 문제를 가진 ppl에 유용 할 수 있기를 바랍니다!
train_dt[-24] <- scale(train_dt[-24]) 여기서 "24"는 제외 할 열 번호
clusterSim 패키지의 data.Normalization 함수를 사용하여 데이터를 쉽게 정규화 할 수 있습니다. 다른 데이터 정규화 방법을 제공합니다.
data.Normalization (x,type="n0",normalization="column")인수
x
벡터, 행렬 또는 데이터 세트 유형
정규화 : n0-정규화 없음
n1-표준화 ((x-mean) / sd)
n2-위치 표준화 ((x-median) / mad)
n3-단위 화 ((x-mean) / range)
n3a-위치 단위 화 ((x-median) / 범위)
n4-최소값이 0 인 단위 ((x-min) / 범위)
n5-<-1,1> 범위의 정규화 ((x-mean) / max (abs (x-mean)))
n5a-<-1,1> 범위의 위치 정규화 ((x-median) / max (abs (x-median)))
n6-몫 변환 (x / sd)
n6a-위치 몫 변환 (x / mad)
n7-몫 변환 (x / range)
n8-몫 변환 (x / max)
n9-몫 변환 (x / mean)
n9a-위치 몫 변환 (x / median)
n10-몫 변환 (x / sum)
n11-몫 변환 (x / sqrt (SSQ))
n12-정규화 ((x-mean) / sqrt (sum ((x-mean) ^ 2)))
n12a-위치 정규화 ((x-median) / sqrt (sum ((x-median) ^ 2)))
n13-중심점이 0 인 정규화 ((x-midrange) / (range / 2))
정규화
"열"-변수 별 정규화, "행"-객체 별 정규화
함께 dplyrv0.7.4 모든 변수를 사용하여 확장 할 수 있습니다 mutate_all():
library(dplyr)
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library(tibble)
set.seed(1234)
dat <- tibble(x = rnorm(10, 30, .2),
y = runif(10, 3, 5),
z = runif(10, 10, 20))
dat %>% mutate_all(scale)
#> # A tibble: 10 x 3
#> x y z
#> <dbl> <dbl> <dbl>
#> 1 -0.827 -0.300 -0.0602
#> 2 0.663 -0.342 -0.725
#> 3 1.47 -0.774 -0.588
#> 4 -1.97 -1.13 0.118
#> 5 0.816 -0.595 -1.02
#> 6 0.893 1.19 0.998
#> 7 -0.192 0.328 -0.948
#> 8 -0.164 1.50 -0.748
#> 9 -0.182 1.25 1.81
#> 10 -0.509 -1.12 1.16다음을 사용하여 특정 변수를 제외 할 수 있습니다 mutate_at().
dat %>% mutate_at(scale, .vars = vars(-x))
#> # A tibble: 10 x 3
#> x y z
#> <dbl> <dbl> <dbl>
#> 1 29.8 -0.300 -0.0602
#> 2 30.1 -0.342 -0.725
#> 3 30.2 -0.774 -0.588
#> 4 29.5 -1.13 0.118
#> 5 30.1 -0.595 -1.02
#> 6 30.1 1.19 0.998
#> 7 29.9 0.328 -0.948
#> 8 29.9 1.50 -0.748
#> 9 29.9 1.25 1.81
#> 10 29.8 -1.12 1.162018-04-24에 reprex 패키지 (v0.2.0)로 작성되었습니다.
다시 말하지만 이것은 오래된 질문이지만 매우 관련이 있습니다! 그리고 패키지가 필요없이 특정 열을 정규화하는 간단한 방법을 찾았습니다.
normFunc <- function(x){(x-mean(x, na.rm = T))/sd(x, na.rm = T)}예를 들어
x<-rnorm(10,14,2)
y<-rnorm(10,7,3)
z<-rnorm(10,18,5)
df<-data.frame(x,y,z)
df[2:3] <- apply(df[2:3], 2, normFunc)y 및 z 열이 정규화되었음을 알 수 있습니다. 패키지가 필요하지 않습니다 :-)
dplyr패키지는 이렇게 두 가지 기능이 있습니다.
> require(dplyr)데이터 테이블의 특정 열 을 변경하려면 함수를 사용할 수 있습니다 mutate_at(). 모든 열 을 변경하려면을 사용할 수 있습니다 mutate_all.
다음은 이러한 기능을 사용하여 데이터를 표준화하는 간단한 예입니다.
특정 열을 변경합니다.
dt = data.table(a = runif(3500), b = runif(3500), c = runif(3500))
dt = data.table(dt %>% mutate_at(vars("a", "c"), scale)) # can also index columns by number, e.g., vars(c(1,3))
> apply(dt, 2, mean)
a b c
1.783137e-16 5.064855e-01 -5.245395e-17
> apply(dt, 2, sd)
a b c
1.0000000 0.2906622 1.0000000 모든 열을 변경하십시오.
dt = data.table(a = runif(3500), b = runif(3500), c = runif(3500))
dt = data.table(dt %>% mutate_all(scale))
> apply(dt, 2, mean)
a b c
-1.728266e-16 9.291994e-17 1.683551e-16
> apply(dt, 2, sd)
a b c
1 1 1 이 스레드를 찾기 전에 같은 문제가있었습니다. 사용자 종속 열 유형이 있었으므로 for루프를 작성하여 필요한 열을 얻었습니다 scale. 더 좋은 방법이있을 수 있지만 문제를 해결했습니다.
for(i in 1:length(colnames(df))) {
if(class(df[,i]) == "numeric" || class(df[,i]) == "integer") {
df[,i] <- as.vector(scale(df[,i])) }
}as.vector그것은 필요한 부분입니다. 왜냐하면 보통 당신이 갖고 싶지 않은 행렬을 scale수행 하기 때문 입니다.rownames x 1data.frame
"recommenderlab"패키지를 사용하십시오. 패키지를 다운로드하여 설치하십시오. 이 패키지에는 "Normalize"명령이 내장되어 있습니다. 또한 표준화를위한 많은 방법 중 하나 인 'center'또는 'Z-score'를 선택할 수 있습니다. 다음 예를 따르십시오.
## create a matrix with ratings
m <- matrix(sample(c(NA,0:5),50, replace=TRUE, prob=c(.5,rep(.5/6,6))),nrow=5, ncol=10, dimnames = list(users=paste('u', 1:5, sep=”), items=paste('i', 1:10, sep=”)))
## do normalization
r <- as(m, "realRatingMatrix")
#here, 'centre' is the default method
r_n1 <- normalize(r)
#here "Z-score" is the used method used
r_n2 <- normalize(r, method="Z-score")
r
r_n1
r_n2
## show normalized data
image(r, main="Raw Data")
image(r_n1, main="Centered")
image(r_n2, main="Z-Score Normalization")BBMisc 패키지 의 정규화 기능은 NA 값을 처리 할 수 있기 때문에 나에게 적합한 도구였습니다.
사용 방법은 다음과 같습니다.
다음과 같은 데이터 세트가 주어지면
ASR_API <- c("CV", "F", "IER", "LS-c", "LS-o")
Human <- c(NA, 5.8, 12.7, NA, NA)
Google <- c(23.2, 24.2, 16.6, 12.1, 28.8)
GoogleCloud <- c(23.3, 26.3, 18.3, 12.3, 27.3)
IBM <- c(21.8, 47.6, 24.0, 9.8, 25.3)
Microsoft <- c(29.1, 28.1, 23.1, 18.8, 35.9)
Speechmatics <- c(19.1, 38.4, 21.4, 7.3, 19.4)
Wit_ai <- c(35.6, 54.2, 37.4, 19.2, 41.7)
dt <- data.table(ASR_API,Human, Google, GoogleCloud, IBM, Microsoft, Speechmatics, Wit_ai)
> dt
ASR_API Human Google GoogleCloud IBM Microsoft Speechmatics Wit_ai
1: CV NA 23.2 23.3 21.8 29.1 19.1 35.6
2: F 5.8 24.2 26.3 47.6 28.1 38.4 54.2
3: IER 12.7 16.6 18.3 24.0 23.1 21.4 37.4
4: LS-c NA 12.1 12.3 9.8 18.8 7.3 19.2
5: LS-o NA 28.8 27.3 25.3 35.9 19.4 41.7정규화 된 값은 다음과 같이 얻을 수 있습니다.
> dtn <- normalize(dt, method = "standardize", range = c(0, 1), margin = 1L, on.constant = "quiet")
> dtn
ASR_API Human Google GoogleCloud IBM Microsoft Speechmatics Wit_ai
1: CV NA 0.3361245 0.2893457 -0.28468670 0.3247336 -0.18127203 -0.16032655
2: F -0.7071068 0.4875320 0.7715885 1.59862532 0.1700986 1.55068347 1.31594762
3: IER 0.7071068 -0.6631646 -0.5143923 -0.12409420 -0.6030768 0.02512682 -0.01746131
4: LS-c NA -1.3444981 -1.4788780 -1.16064578 -1.2680075 -1.24018782 -1.46198764
5: LS-o NA 1.1840062 0.9323361 -0.02919864 1.3762521 -0.15435044 0.32382788여기서 수동 계산 방법은 NA가 포함 된 콜문을 무시합니다.
> dt %>% mutate(normalizedHuman = (Human - mean(Human))/sd(Human)) %>%
+ mutate(normalizedGoogle = (Google - mean(Google))/sd(Google)) %>%
+ mutate(normalizedGoogleCloud = (GoogleCloud - mean(GoogleCloud))/sd(GoogleCloud)) %>%
+ mutate(normalizedIBM = (IBM - mean(IBM))/sd(IBM)) %>%
+ mutate(normalizedMicrosoft = (Microsoft - mean(Microsoft))/sd(Microsoft)) %>%
+ mutate(normalizedSpeechmatics = (Speechmatics - mean(Speechmatics))/sd(Speechmatics)) %>%
+ mutate(normalizedWit_ai = (Wit_ai - mean(Wit_ai))/sd(Wit_ai))
ASR_API Human Google GoogleCloud IBM Microsoft Speechmatics Wit_ai normalizedHuman normalizedGoogle
1 CV NA 23.2 23.3 21.8 29.1 19.1 35.6 NA 0.3361245
2 F 5.8 24.2 26.3 47.6 28.1 38.4 54.2 NA 0.4875320
3 IER 12.7 16.6 18.3 24.0 23.1 21.4 37.4 NA -0.6631646
4 LS-c NA 12.1 12.3 9.8 18.8 7.3 19.2 NA -1.3444981
5 LS-o NA 28.8 27.3 25.3 35.9 19.4 41.7 NA 1.1840062
normalizedGoogleCloud normalizedIBM normalizedMicrosoft normalizedSpeechmatics normalizedWit_ai
1 0.2893457 -0.28468670 0.3247336 -0.18127203 -0.16032655
2 0.7715885 1.59862532 0.1700986 1.55068347 1.31594762
3 -0.5143923 -0.12409420 -0.6030768 0.02512682 -0.01746131
4 -1.4788780 -1.16064578 -1.2680075 -1.24018782 -1.46198764
5 0.9323361 -0.02919864 1.3762521 -0.15435044 0.32382788(normalizedHuman은 NA 목록으로 만들어집니다 ...)
계산할 특정 열의 선택과 관련하여 다음과 같은 일반적인 방법을 사용할 수 있습니다.
data_vars <- df_full %>% dplyr::select(-ASR_API,-otherVarNotToBeUsed)
meta_vars <- df_full %>% dplyr::select(ASR_API,otherVarNotToBeUsed)
data_varsn <- normalize(data_vars, method = "standardize", range = c(0, 1), margin = 1L, on.constant = "quiet")
dtn <- cbind(meta_vars,data_varsn)