Come raggruppare / standardizzare le variabili in R?

9

Le funzioni che conosco includono la scala dalla base R, il riscalamento da ARM.

Forse il modo migliore sarebbe usare una variante di applicare, specificando una o più variabili da usare come variabili di raggruppamento.

r standardization centering

— Michael Bishop
fonte

Prova: aggregate (state.x77, list (Region = state.region, Cold = state.x77 [, "Frost"]> 130)), function (x) ((x - mean (x)) / sd (x) ))

— suncoolsu

7

Ecco una possibile soluzione plyr . Si noti che si basa sulla transform()funzione di base .

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))

(Possiamo verificare se funziona come previsto, ad es. with(subset(my.df, sex=="F" & group=="A"), scale(x)))

Fondamentalmente, il secondo argomento descrive come "dividere" i dati, il terzo argomento quale funzione applicare a ciascun blocco. Quanto sopra aggiungerà una variabile x.stda data.frame. Utilizzare xse si desidera sostituire la variabile originale con quella in scala.

— CHL
fonte

7

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

— Thanassi
fonte

3

Ecco una soluzione data.table . È decisamente più veloce di plyr (rilevante solo per grandi set di dati). Forse dopo farò un esempio 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"]

(Sì, ho riscoperto una domanda che ho fatto anni fa quando ero un Noob R;)

— Michael Bishop
fonte

2

Puoi usare (tra gli altri) tapplyper questo (il plyrpacchetto contiene molte altre opzioni che potrebbero essere più adatte alla tua specifica situazione):

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

— Nick Sabbe
fonte

1

Con due fattori, non restituirà un data.frame. Per questo dovrai postelaborare il risultato.

— chl

0

Questa risposta è tratta da un white paper di Mahmood Arai. Ha il comodo effetto collaterale di etichettare i risultati centrati con il prefisso "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
fonte

0

Ecco un'implementazione aggiornata usando dplyr di 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
fonte