从标准化值转换回数据[重复]答案

【问题标题】：Convert data back from normalized values [duplicate]从标准化值转换回数据[重复]
【发布时间】：2017-06-03 18:45:24
【问题描述】：

我使用scale 来规范化数据。示例数据如下所示

structure(list(pp.pmhouravg = c(106.8181818182, 114.0833333333, 
100.8333333333, 105, 102.4166666667, 117.8333333333), cc.cmhouravg = c(91.7272727273, 
86.4166666667, 82.75, 84, 59.5833333333, 41.3333333333), ss.sdhouravg = c(49.2727272727, 
46.8333333333, 47.5, 48.3333333333, 41, 45.5833333333), nn.ndhouravg = c(41.2727272727, 
45.25, 34.0833333333, 27.75, 33.0833333333, 35.3333333333)), .Names = c("pp.pmhouravg", 
"cc.cmhouravg", "ss.sdhouravg", "nn.ndhouravg"), row.names = c(NA, 
6L), class = "data.frame")

为了规范化我使用了

scale(df, center = T, scale = T)

我得到了以下标准化数据：

pp.pmhouravg cc.cmhouravg ss.sdhouravg nn.ndhouravg
1   -0.1504657    0.8893812    0.9702219    0.8259116
2    0.9290599    0.6183329    0.1404438    1.4645030
3   -1.0397516    0.4311897    0.3672155   -0.3284185
4   -0.4206285    0.4949885    0.6506801   -1.3452993
5   -0.8044848   -0.7512149   -1.8438082   -0.4889786
6    1.4862706   -1.6826775   -0.2847531   -0.1277183
attr(,"scaled:center")
pp.pmhouravg cc.cmhouravg ss.sdhouravg nn.ndhouravg 
   107.83081     74.30177     46.42045     36.12879 
attr(,"scaled:scale")
pp.pmhouravg cc.cmhouravg ss.sdhouravg nn.ndhouravg 
    6.729949    19.592842     2.939815     6.228196

规范化后如何将数据转换回来。

【问题讨论】：

标签： r dataframe normalize

【解决方案1】：

让x 是您的原始数据（可能是数据框或矩阵），sx 是缩放后的数据（必须是矩阵，因为scale 返回一个矩阵），您可以这样做：

b <- attr(sx, "scaled:scale")
a <- attr(sx, "scaled:center")
rx <- sx * rep(b, each = nrow(sx)) + rep(a, each = nrow(sx))

“去缩放”数据rx 当然也是一个矩阵，因为sx 是一个矩阵。您只需执行以下操作即可使其成为数据框：

data.frame(rx)

【讨论】：

【解决方案2】：

为了概念清晰，我们也可以自己尝试 z-score-normalization（其结果与 scale() 完全相同）并取回原始矩阵：

# save the mean and sd
mu <- colMeans(df)    
sd <- sapply(df, sd)

scaled <- t((t(as.matrix(df)) - mu) / sd) # z-score-normalize
all(scaled == scale(df, center = T, scale = T)) # check the scaled matrix is same as obtained from scale()
#[1] TRUE

orig <- t(t(scaled)*sd + mu) # get the original matrix back
all.equal(as.matrix(df), orig)
#[1] TRUE

【讨论】：