基于R语言的数据标准化处理脚本

方法二、

基于R语言的数据标准化处理脚本

r语言apply函数用法_r语言apply函数meanr语言apply函数用法_r语言apply函数mean


r语言apply函数用法_r语言apply函数mean


第三步，如果想要获取第五列数据，可以使用t[5,]，如下图所示：

数据标准化（Normalization）

print(result)

将数据按比例缩放，使之落入一个小的特定区间。去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。

数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。

数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。

负向指标：（max-x）/（max-min）

其中max为样本数据的值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。

R语言实现

# 标准化处理

min.max.norm <- function(x){

((x-min(x))/(max(x)-min(x)))

} #正向指标

max.min.norm <- function(x){

((max(x)-x)/(max(x)-min(x)))

data_2 <- apply(data[,c(3,4)],2,max.min.norm) #负向指标处理

#注意array只能用在二维及以上

data_t <- cbind(data_1,data_2)

r语言如何求矩阵中某一列的总和

也叫离标准化，是对原始数据的线性变换，使结果落在[0,1]区间，转换函数如下：

步，声明矩阵t，利用矩阵函数matrix，nrow为5，ncol为5，并打印矩阵t，如下图所示：

第二步，获取矩阵t第四列数据，可以直接使用t[,4]，这样可以获取到第四列数据，如下图所示：

第四步，如果想要获取第三行# Get the minimum value for each column和第四列交叉点的数据，使用t[3,4]，如下图所示：

第五步，获取某一行的一列或两列以上的数据，使用t[1,c(3,5)]，表示获取行和第三行、第五个交叉点的数据，如下图所示：

第六步，如果想要获取第二行、第三行和第二列的数据，利用t[c(2,3)# 创建一个数据框,2]，如下图所示：

设矩阵为A

方法一、

colSums(A)

apply(A，2，sum)

《R语言实战》自学笔记28-将函数应用于矩阵和数据框

lapply函数将函数应用于输入变量x的每一个元素，返回一个与x长度相同的列表。x可以是列表，向量或数据框。

R函数的诸多有趣特性之一，就是它们可以应用到一系列的数据对象上，包括标量、向量、矩阵、数组和数据框。

MARGIN

R中提供了一个apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。

apply(x, MARGIN, FUN, ..., simplify = TRUE)

其中，x为数据对象，可以是数组、矩阵、数据框，数据至少是二维的，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列。FUN是自定义调用的函数，可为任意R函数，而...则包括了任何想传递给FUN的参数。

apply函数只能用于处理矩阵类型的数据，也就是说所有的数据必须是同一类型。因此要使用apply函数的话，需要将数据类型转换成矩阵类型。

lapply(x, FUN)

sapply(x, FUN)

tapply(X, INDEX, FUN = NULL)

tapply用于数据框类型的数据，可以按因子变量分组计算统计量。 X可以是数组、矩阵、数据框等分割型数据向量，INDEX是一个或多数据准备个因子的列表，每个因子的长度都与x相同，FUN为自定义的调用函数。 53

参考资料：

R语言为什么用了mad函数会丢失列名？

# 重新为结果添加列名

使用mad函数计算数据的中位数离时，R语言默认将列名设置为NULL。这是因为mad函数返回的是一个向量，而向量不支持列名。

data_1 <- apply(data[,-c(3,4)],2,min.max.norm) #正向指标处理

如果需要保留列名，可以使用apply函数和MARGIN参数来计算每列的中位数离，并使用colnames函数重新为结果添加列名。具体代码如下：

scss

df <- data.frame(x = c(1, 2, 3), y = c(4, 5, 6), z = c(7, 8, 9))

colnames(df) <- c("A", "B", "C")

# 使用apply函数计算每列的mad值

mad_result <- apply(df, MARGIN = 2, mad)

colnames(mad_result) <- colnames(df)

# a vector giving the subscripts which the function will be applied over. E.g., for a matrix 1 indicates rows, 2 indicates columns, c(1, 2) indicates rows and columns. Where X has named dimnames, it can be a character vector selecting dimension names.输出结果

print(mad_result)

这样就可以计算每列的中位数离，并保留列名。

r语言中如何实现数据标准化(每一列的值除以该列均值)？

数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。

使用apply函数apply(mat, 2, function(x)x/(mean(x)))

测试运行结果：

> ma <- matrix(c(1:4, 1, 6:8), nrow = 2)

> ma

[,1] [,2] [,3] [,4]

[1,] 1 3 1 7

[2,] 2 4 6 8

> apply(ma, 2, function(x)x/(mean(x)))

[,1] [,2] [,3] [,4]

[1,] 0.6666667 0.8571429 0.2857143 0.9333333

[2,] 1.3333333 1.1428571 1.7142857 1.0666667

apply(X, MARGIN, FUN, ...)

Arguments

Xan arr} #负向指标ay, including a matrix.

apply函数参数帮助。FUN

the function to be applied: see ‘Details’. In the case of functions like +, %%, etc., the function name must be backquoted or quoted.

...

optional arguments to FUN.

用R语言读取文本文件并求出每一列的值、最小值、中位值等,将其在屏幕中输？

x可以是列表，矩阵或数据框，以向量或矩阵形式输出结果。执行的功能与lapply函数相同。

首先，要使用 R 语言读取文本文件，你可以使用 read.ta正向指标：（x-min）/（max-min）ble 函数：

data <- read.table("filename.txt", header = TRUE)

然后，要求出每一列的值、最小值、中位值，你可以使用 apply 函数：

# Get the maximum value for each column

apply(data, 2, max)

apply(damin-max标准化（Min-max normalization）ta, 2, min)

# Get the median for each column

apply(data, 2, median)

，将计算结果输出到屏幕，可以使用 print 函数：