规范化R data.frame列中的数据 [英] Normalize data in R data.frame column

问题描述

假设我有以下数据：

a <- data.frame(var1=letters,var2=runif(26))

假设我要缩放 var2 使得 var2 列的总和等于1（基本上将var2列转换为概率分布）

Suppose I want to scale every value in var2 such that the sum of the var2 column is equal to 1 (basically turn the var2 column into a probability distribution)

我尝试了以下操作：

a$var2 <- lapply(a$var2,function(x) (x-min(a$var2))/(max(a$var2)-min(a$var2)))

这不仅使总和大于1，而且将 var2 列变成一个列表，在该列表上我无法执行 sum

this not only gives an overall sum greater than 1 but also turns the var2 column into a list on which I can't do operations like sum

有没有有效的方法将此列转换为概率分布？

Is there any valid way of turning this column into a probability distribution?

推荐答案

假设您有一个向量 x ，该向量具有非负值且没有 NA ，您可以通过以下方式对其进行标准化：

Suppose you have a vector x with non-negative values and no NA, you can normalize it by

x / sum(x)

这是一个适当的概率质量函数。

which is a proper probability mass function.

您进行的转换：

(x - min(x)) / (max(x) - min(x))

仅将 x 重新缩放为 [0，1] ，但不能确保求和到1。

only rescales x onto [0, 1], but does not ensure "summation to 1".

关于您的代码

这里不需要使用 lapply ：

lapply(a$var2, function(x) (x-min(a$var2)) / (max(a$var2) - min(a$var2)))

只需使用矢量化操作

a$var2 <- with(a, (var2 - min(var2)) / (max(var2) - min(var2)))

正如您所说， lapply 给您一个列表，这就是 lapply中的 l所指的。您可以使用 unlist 将该列表折叠为矢量；或者，您可以使用 sapply ，其中 s表示简化（如果可能）。

As you said, lapply gives you a list, and that is what "l" in "lapply" refers to. You can use unlist to collapse that list into a vector; or, you can use sapply, where "s" implies "simplification (when possible)".

这篇关于规范化R data.frame列中的数据的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！