Bildiğim işlevler taban R'den ölçek , ARM'den yeniden ölçeklendirmeyi içerir .
Belki de en iyi yol, gruplama değişkenleri olarak kullanılacak bir veya daha fazla değişkeni belirterek bazı uygulama değişkenlerini kullanmak olabilir.
Bildiğim işlevler taban R'den ölçek , ARM'den yeniden ölçeklendirmeyi içerir .
Belki de en iyi yol, gruplama değişkenleri olarak kullanılacak bir veya daha fazla değişkeni belirterek bazı uygulama değişkenlerini kullanmak olabilir.
Yanıtlar:
İşte olası bir plyr çözümü. Temel transform()
fonksiyona dayandığını unutmayın .
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))
(Beklendiği gibi çalışıp çalışmadığını kontrol edebiliriz, ör., with(subset(my.df, sex=="F" & group=="A"), scale(x))
)
Temel olarak, 2. argüman verilerin nasıl "bölüneceğini", 3. argüman ise her bir parçaya hangi fonksiyonun uygulanacağını açıklar. Yukarıdaki x.std
veriler data.frame öğesine bir değişken ekleyecektir . x
Orijinal değişkeninizi ölçeklendirilmiş değişkenle değiştirmek istiyorsanız kullanın .
İşte bir data.table çözümü. Kesinlikle plyr'den daha hızlıdır (sadece büyük veri kümeleri için geçerlidir). Belki daha sonra bir dplyr örneği yapacağım.
# 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"]
(Evet, yıllar önce R noob olduğumda sorduğum bir soruyu yeniden keşfettim;)
Sen (diğerleri arasında) kullanabilir tapply
(bunun için plyr
paket daha iyi özel durum için uygun olabilecek diğer seçenekleri çok içerir):
tapply(variabletoscale, list(groupvar1, groupvar2), scale)
Bu cevap Mahmood Arai'nin beyaz kitabından. Ortalanmış sonuçları "C" ön ekiyle etiketlemenin uygun yan etkisi vardır:
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))}
İşte kullanarak güncellenmiş uygulamasıdır dplyr gelen 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)))