ฟังก์ชั่นที่ฉันคุ้นเคยกับขนาดสเกลจากฐาน R, rescaleจาก ARM
บางทีวิธีที่ดีที่สุดคือการใช้ตัวแปรบางส่วนของการใช้งานโดยระบุตัวแปรอย่างน้อยหนึ่งตัวเพื่อใช้เป็นตัวแปรการจัดกลุ่ม
ฟังก์ชั่นที่ฉันคุ้นเคยกับขนาดสเกลจากฐาน R, rescaleจาก ARM
บางทีวิธีที่ดีที่สุดคือการใช้ตัวแปรบางส่วนของการใช้งานโดยระบุตัวแปรอย่างน้อยหนึ่งตัวเพื่อใช้เป็นตัวแปรการจัดกลุ่ม
คำตอบ:
นี่เป็นวิธีแก้ปัญหาplyr ที่เป็นไปได้ โปรดทราบว่ามันขึ้นอยู่กับtransform()
ฟังก์ชั่นฐาน
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))
(เราสามารถตรวจสอบว่ามันทำงานได้ตามที่คาดหวังด้วยเช่น, with(subset(my.df, sex=="F" & group=="A"), scale(x))
)
โดยพื้นฐานแล้วอาร์กิวเมนต์ที่ 2 อธิบายวิธี "แยก" ข้อมูลอาร์กิวเมนต์ที่ 3 คือฟังก์ชันใดที่ใช้กับแต่ละกลุ่ม ด้านบนจะผนวกตัวแปรx.std
เข้ากับ data.frame ใช้x
หากคุณต้องการแทนที่ตัวแปรดั้งเดิมด้วยตัวแปรที่ปรับขนาด
group.center <- function(var,grp) {
return(var-tapply(var,grp,mean,na.rm=T)[grp])
}
นี่คือโซลูชันdata.table มันเร็วกว่า plyr (เกี่ยวข้องกับชุดข้อมูลขนาดใหญ่เท่านั้น) บางทีในภายหลังฉันจะทำตัวอย่าง dplyr
# 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"]
(ใช่ฉันค้นพบคำถามที่ฉันถามเมื่อหลายปีก่อนตอนที่ฉันเป็น R noob;)
คุณสามารถใช้ (ในหมู่อื่น ๆ ) tapply
สำหรับplyr
แพคเกจนี้ (มีแพ็คเกจตัวเลือกอื่น ๆ อีกมากมายที่อาจจะเหมาะสมกว่าสำหรับสถานการณ์เฉพาะของคุณ):
tapply(variabletoscale, list(groupvar1, groupvar2), scale)
คำตอบนี้มาจากกระดาษสีขาวโดย Mahmood Arai มันมีผลข้างเคียงที่สะดวกของการติดฉลากผลลัพธ์ที่กึ่งกลางด้วยคำนำหน้า "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))}
นี่คือการดำเนินการปรับปรุงโดยใช้dplyrจากtidyverse
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)))