변수의 스케일을 0-100으로 변경

PCA 기술을 사용하여 소셜 자본 지수를 구성했습니다. 이 지수는 양수와 음수 값으로 구성됩니다. 해석하기 쉽도록이 인덱스를 0-100 스케일로 변환 / 변환하고 싶습니다. 가장 쉬운 방법을 제안하십시오.

관찰 된 및 값을 가진 모든 변수 (단 변량 분포) (또는 값에 대해 사전 설정된 잠재적 한계 일 수 있음)는 다음 공식에 의해 에서 범위로 재조정 될 수 있습니다 .m i n o l d m a x o l d m i n n e w m a x n e $v$$min_{old}$$max_{old}$$min_{new}$$max_{new}$

$\frac{max_{new}-min_{new}}{max_{old}-min_{old}}\cdot (v-max_{old})+max_{new}$

또는

$\frac{max_{new}-min_{new}}{max_{old}-min_{old}}\cdot (v-min_{old})+min_{new}$ .

R의 경우 scales 패키지 rescale에서 이미 사용 가능한 기능 이 있습니다 .

library(scales)
rescale(c(-10, -9, -5, 2, 6), to = c(0, 100)) ## Use scales:::rescale() if you have several packages loaded using the same function name
[1]   0.00   6.25  31.25  75.00 100.00

먼저 몇 가지 예제 데이터를 얻습니다.

x <- runif(20, -10, 10)

다음은 R에서 작동하는 두 가지 기능입니다.

rescale <- function(x) (x-min(x))/(max(x) - min(x)) * 100
rescale(x)

또는 다른 변환을 사용할 수 있습니다. 예를 들어, 로짓 변환은 @ondrej에 의해 언급되었습니다.

plogis(x)*100

또는 다른 변형 :

pnorm(x)*100
pnorm(x, 0, 100) * 100
punif(x, min(x), max(x))*100

ttnphnss의 답변에 추가하기 위해이 프로세스를 Python으로 구현하려면 (예 :)이 함수는 트릭을 수행합니다.

from __future__ import division

def rescale(values, new_min = 0, new_max = 100):
    output = []
    old_min, old_max = min(values), max(values)

    for v in values:
        new_v = (new_max - new_min) / (old_max - old_min) * (v - old_min) + new_min
        output.append(new_v)

    return output

print rescale([1, 2, 3, 4, 5])
# [0.0, 25.0, 50.0, 75.0, 100.0]

해석을 향상시키지 않고 오히려 어렵게 만들기 때문에 인덱스를 0-100 간격에 바인딩하지 않는 것이 좋습니다. 인덱스 구성 요소가 음수가 될 수 있다면 인덱스가 음이 될 가능성이 있으며 0-100 범위의 일부 낮은 값보다 구성 요소에서 발생하는 일을 반영한다고 생각합니다.

표준 패키지가로드 된 R의 경우 'base'패키지에서 scale ()을 사용할 수 있습니다.

x=c(2,4,8,16)
x.scaled = scale(x,FALSE,max(x))  # divide each value in x by max(x)
x.scaled = as.vector(x.scaled) 

'as.vector ()'를 사용하여 스케일 된 x를 벡터로 검색하십시오.