Bagaimana cara group-center / standardisasi variabel dalam R?

9

Fungsi Aku akrab dengan menyertakan skala dari basis R, rescale dari ARM.

Mungkin cara terbaik adalah menggunakan beberapa varian berlaku, menentukan satu atau lebih variabel untuk digunakan sebagai variabel pengelompokan.

r standardization centering

— Michael Bishop
sumber

Coba: agregat (state.x77, daftar (Wilayah = state.region, Dingin = state.x77 [, "Frost"]> 130)), fungsi (x) ((x - mean (x)) / sd (x) ))

— suncoolsu

7

Berikut adalah solusi plyr yang mungkin . Perhatikan bahwa ini bergantung pada transform()fungsi dasar .

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))

(Kita dapat memeriksa apakah itu berfungsi seperti yang diharapkan dengan misalnya, with(subset(my.df, sex=="F" & group=="A"), scale(x)))

Pada dasarnya, argumen ke-2 menjelaskan bagaimana cara "membagi" data, argumen ke-3 apa fungsi yang berlaku untuk setiap chunk. Di atas akan menambahkan variabel x.stdke data.frame. Gunakan xjika Anda ingin mengganti variabel asli Anda dengan yang diskalakan.

— chl
sumber

7

group.center <- function(var,grp) {
    return(var-tapply(var,grp,mean,na.rm=T)[grp])
}

— Thanassi
sumber

3

Berikut ini adalah solusi data.table . Ini jelas lebih cepat dari plyr (hanya relevan untuk set data besar). Mungkin nanti saya akan membuat contoh 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"]

(Ya, saya menemukan kembali pertanyaan yang saya tanyakan bertahun-tahun yang lalu ketika saya masih kecil;)

— Michael Bishop
sumber

2

Anda dapat menggunakan (antara lain) tapplyuntuk ini ( plyrpaket berisi banyak opsi lain yang mungkin lebih cocok untuk situasi spesifik Anda):

tapply(variabletoscale, list(groupvar1, groupvar2), scale)

— Nick Sabbe
sumber

1

Dengan dua faktor, itu tidak akan mengembalikan data.frame. Anda harus memposting proses untuk hasilnya.

— chl

0

Jawaban ini dari kertas putih oleh Mahmood Arai. Ini memiliki efek samping yang nyaman dengan memberi label hasil yang terpusat dengan awalan "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))}

— RegressForward
sumber

0

Berikut ini adalah implementasi yang diperbarui menggunakan dplyr dari 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)))

— Brian Levey
sumber