按组缩放/标准化列答案

【问题标题】：scale/normalize columns by group按组缩放/标准化列
【发布时间】：2015-01-13 00:40:37
【问题描述】：

我有一个如下所示的数据框：

  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“商店”，我想规范化/缩放两列（“Sum_sales”和“Temperature”）。

期望的输出：

  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

这是我创建的规范化函数：

 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/帮助将不胜感激。谢谢。

【问题讨论】：

您的结果中有一个unemployment 列。每个商店都一样吗>
是的.. 抱歉没有指定

标签： r dplyr scale plyr

【解决方案1】：

使用 dplyr 1.0.0 更新

@Vincent 的解决方案可以用提供across 的新 dplyr 语法编写：

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

如果您不记得normalit 的定义，您可以使用scales 包，该包提供了rescale 函数，该函数使用默认参数进行规范化：

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

【讨论】：

【解决方案2】：

问题是您使用了错误的 dplyr 动词。 Summarize 将为每个变量的每个组创建一个结果。你想要的是变异。变异改变变量并返回与原始长度相同的结果。见http://cran.rstudio.com/web/packages/dplyr/vignettes/dplyr.html。以下两种使用 dplyr 的方法：

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：您的数据和所需结果之间的 Store 变量不同。我认为@jlhoward 得到了正确的数据。

【讨论】：

我收到一个错误“找不到函数 normalit”，我需要为此安装一些软件包吗？ @文森特
查看 OPs normalit 函数
小插图链接已失效
链接已修复。谢谢@AlexReynolds

【解决方案3】：

这是一个 data.table 解决方案。我稍微更改了您的示例以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 stoer 只有 1 行，您的规范化会出现问题。

【讨论】：

很好的解决方案@jlhoward。我假设 Unemployment 已添加到 by 列表中，因此它不会被删除。只是出于好奇，如果不是每个商店的失业率都保持不变，您将如何保持失业率仍能达到预期的结果？
OP 希望每个商店有 1 行。如果给定商店的失业率不是恒定的，您会使用什么值？
我只是想知道每个商店是否有三行（如 OP 所需的输出），如果不通过 by=list()，您将如何保持失业。