我正在尝试理解R提供的“scale”定义。我有一些数据（mydata），想要制作一个热力图，但是数据呈现出非常强的正偏态。我已经使用树形图创建了包括scale(mydata)和log(my data)的热力图，两者的树形图不同。为什么？对于我的数据列之间的关系，缩放数据和对数转换数据有什么不同？如果我想查看表示数据列之间关系的树状图，哪种方法更合适？
谢谢任何帮助！我已经阅读了定义，但它们让我感到困惑。
谢谢任何帮助！我已经阅读了定义，但它们让我感到困惑。
4个回答
114
log函数简单地对向量的每个元素取以 e 为底数的对数（默认情况下）。
scale 函数使用默认设置将计算整个向量的平均值和标准差，然后通过减去平均值并除以标准差来 "标准化" 每个元素。（如果使用 scale(x, scale=FALSE)，它只会减去平均值但不会除以标准差。）
请注意，这将给出相同的值。
set.seed(1)
x <- runif(7)
# Manually scaling
(x - mean(x)) / sd(x)
scale(x)
- Ricardo Saporta
5
24
它提供的仅仅是数据的标准化。它生成的值被称为多个不同的名称之一，其中之一是Z分数（“Z”代表正态分布也被称为“Z分布”）。
更多信息可在此处找到：
http://en.wikipedia.org/wiki/Standard_score
- vonjd
8
这是一个后来添加的内容，但我自己也在寻找有关缩放函数的信息，希望能够帮助其他人。
为了稍微修改Ricardo Saporta的回答。
至少在 R 3.6.1 版本中，缩放不是使用标准差进行的。我基于 "Becker, R. (2018). The new S language. CRC Press." 和我的实验得出此结论。
这些行的结果完全相同，出于简单起见，我没有居中显示它们。 我想在评论中回复，但是声望不够。
为了稍微修改Ricardo Saporta的回答。
至少在 R 3.6.1 版本中，缩放不是使用标准差进行的。我基于 "Becker, R. (2018). The new S language. CRC Press." 和我的实验得出此结论。
X.man.scaled <- X/sqrt(sum(X^2)/(length(X)-1))
X.aut.scaled <- scale(X, center = F)
这些行的结果完全相同，出于简单起见，我没有居中显示它们。 我想在评论中回复，但是声望不够。
- oflyt
1
6根据_scale_的文档，“scale”的值决定如何执行列缩放（在居中之后）。如果“scale”是一个数值向量，其长度等于x的列数，则x的每一列将被相应的“scale”值除以。如果“scale”为TRUE，则如果center为TRUE，则对x的（已居中）列进行标准差缩放，否则进行均方根缩放。如果“scale”为FALSE，则不进行缩放。这意味着你的公式是正确的，因为你没有先进行居中操作。 - digestivee
6
我想提供一个具体的例子来说明比例尺函数的实际应用。假设您有三个测试分数（数学、科学和英语）需要进行比较。也许您甚至希望为每个观测值生成基于这三个测试的综合分数。您的数据可能如下所示：
student_id <- seq(1,10)
math <- c(502,600,412,358,495,512,410,625,573,522)
science <- c(95,99,80,82,75,85,80,95,89,86)
english <- c(25,22,18,15,20,28,15,30,27,18)
df <- data.frame(student_id,math,science,english)
显然，将这3个分数的平均值进行比较是没有意义的，因为它们的分值范围有很大不同。但是通过对它们进行缩放，您可以获得更可比较的评分单位：
z <- scale(df[,2:4],center=TRUE,scale=TRUE)
你可以使用这些缩放后的结果来创建一个综合得分。例如，平均值和基于平均值的百分位数分配一个等级。希望这能有所帮助！
注意：我从书籍《R In Action》中借用了这个例子。这是一本很棒的书！我一定会推荐的。
- jclifto8
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
原文链接
scale时，您并没有改变数据，而是改变了比例尺（绘图时的坐标轴值）。想象一下在两端抓住坐标轴并拉伸或压缩它，这就是比例尺。相反，log实际上改变了数据。对于较大的值，log 的影响更强烈，对于较小的值，影响则更微弱。 - Ricardo Saporta