按组缩放/归一化列

Question

按组缩放/归一化列

16

我有一个数据框，看起来像这样：

  Store Temperature Unemployment Sum_Sales
1     1       42.31        8.106   1643691
2     1       38.51        8.106   1641957
3     1       39.93        8.106   1611968
4     1       46.63        8.106   1409728
5     1       46.50        8.106   1554807
6     1       57.79        8.106   1439542

对于每个“Store”，我想要归一化/缩放两列（“Sum_sales”和“Temperature”）。

期望输出：

  Store Temperature Unemployment Sum_Sales
1     1       1.000        8.106   1.00000
2     1       0.000        8.106   0.94533
3     1       0.374        8.106   0.00000
4     2       0.012        8.106   0.00000
5     2       0.000        8.106   1.00000
6     2       1.000        8.106   0.20550

这是我创建的标准化函数：

 normalit<-function(m){
   (m - min(m))/(max(m)-min(m))
 }

我尝试过的：

df2 <- df %.%
  group_by('Store') %.%
  summarise(Temperature = normalit(Temperature), Sum_Sales = normalit(Sum_Sales)))

任何建议/帮助都将不胜感激。谢谢。

- itjcms18

你的结果中有一个“失业”列。这对于每个商店都是相同的吗？ - jlhoward

是的，抱歉没有具体说明。 - itjcms18

3个回答

3

dplyr 1.0.0 更新

@Vincent 提供的解决方案可以用新版 dplyr 语法重写，该语法提供了 across 函数：

df %>%
    group_by(Store) %>%
    mutate(across(c(Temperature, Sum_Sales), normalit)

如果您不记得“正常化(normalit)”的定义，您可以使用提供“rescale”函数的“scales”包，该函数使用默认参数进行标准化处理。

df %>%
    group_by(Store) %>%
    mutate(across(c(Temperature, Sum_Sales), scales::rescale)

- Agile Bean

2

以下是 data.table 的解决方案。我稍微更改了您的示例，使其具有两种类型的商店。

df <- read.table(header=T,text="Store Temperature Unemployment Sum_Sales
1     1       42.31        8.106   1643691
2     1       38.51        8.106   1641957
3     1       39.93        8.106   1611968
4     2       46.63        8.106   1409728
5     2       46.50        8.106   1554807
6     2       57.79        8.106   1439542")

library(data.table)
DT <- as.data.table(df)
DT[,list(Temperature=normalit(Temperature),Sum_Sales=normalit(Sum_Sales)),
    by=list(Store,Unemployment)]
#    Store Unemployment Temperature Sum_Sales
# 1:     1        8.106  1.00000000 1.0000000
# 2:     1        8.106  0.00000000 0.9453393
# 3:     1        8.106  0.37368421 0.0000000
# 4:     2        8.106  0.01151461 0.0000000
# 5:     2        8.106  0.00000000 1.0000000
# 6:     2        8.106  1.00000000 0.2055018

请注意，如果一个店铺只有一行数据，则您的标准化将会出现问题。

- jlhoward

不错的解决方案@jlhoward。我假设失业率被添加到by列表中，以便它不会被删除。只是出于好奇，如果失业率在每个商店中都不是恒定的，你将如何保留它并仍然获得所需的结果？ - Vincent

OP希望每个商店只有1行。如果给定商店的失业率不是恒定的，您会使用什么值？ - jlhoward

我只是想知道，如果每个商店有三行（如OP所需的输出），如果不通过by=list()，你将如何保留失业率？ - Vincent

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Vincent · Accepted Answer

问题在于您使用了错误的dplyr动词。Summarize将为每个变量的每个组创建一个结果。您需要的是mutate。Mutate更改变量并返回与原始长度相同的结果。请参见http://cran.rstudio.com/web/packages/dplyr/vignettes/dplyr.html。以下是使用dplyr的两种方法：

df %>%
    group_by(Store) %>%
    mutate(Temperature = normalit(Temperature), Sum_Sales = normalit(Sum_Sales))

df %>%
    group_by(Store) %>%
    mutate_each(funs(normalit), Temperature, Sum_Sales)

注意：“Store”变量在您的数据和期望的结果之间是不同的。我假设@jlhoward获取了正确的数据。