R quirk：通过另一个向量的分箱值来规范化向量的内容

Question

我在 R 中有一个小问题：

假设我有一个包含两列的数据框，一列包含频率，一列包含分数。我怀疑分数的方差取决于频率。所以我想通过分箱频率将我的分数标准化为 mean=0 和 var=1。

例如，假设我想要 10 个垃圾箱。首先，每个分数都会被分配一个 bin，然后在该 bin 内，每个分数都将通过该 bin 中所有分数的均值和方差进行归一化。

结果应该是具有标准化值的第三列

使用bins = cut(frequencies, b=bins, 1:bins) 将数据分箱很容易，但是我还没有找到从那里继续的方法。

提前致谢！

Answer 1

scale 在归一化为 mean=0, sd=1 和 if sd=1, var=1 方面是您的朋友。

> mean(scale(1:10))
[1] 0
> sd(scale(1:10))
[1] 1
> var(scale(1:10))
     [,1]
[1,]    1

尝试一些示例数据：

set.seed(42)
dat <- data.frame(freq=sample(1:100), scores=rnorm(100, mean=4, sd=2))
dat$bins <- cut(dat$freq, breaks=c(0, 1:10*10), include.lowest=TRUE)

现在在每个bins 中使用ave 到scale 和scores：

dat$scaled <- with(dat,ave(scores,bins,FUN=scale))

您可以使用aggregate 或类似名称查看结果：

mean 在每个 bin 中为 0（或非常接近舍入误差）。

> aggregate(scaled ~ bins, data=dat, FUN=function(x) round(mean(x), 2) )
       bins scaled
1    [0,10]      0
2   (10,20]      0
3   (20,30]      0
4   (30,40]      0
5   (40,50]      0
6   (50,60]      0
7   (60,70]      0
8   (70,80]      0
9   (80,90]      0
10 (90,100]      0

sd 在每个 bin 中为 1：

> aggregate(scaled ~ bins, data=dat, FUN=sd)
       bins scaled
1    [0,10]      1
2   (10,20]      1
3   (20,30]      1
4   (30,40]      1
5   (40,50]      1
6   (50,60]      1
7   (60,70]      1
8   (70,80]      1
9   (80,90]      1
10 (90,100]      1