规范化 R data.frame 列中的数据

Question

假设我有以下数据：

a <- data.frame(var1=letters,var2=runif(26))

假设我想缩放var2 中的每个值，使得var2 列的总和等于1（基本上将var2 列变成概率分布）

我尝试了以下方法：

a$var2 <- lapply(a$var2,function(x) (x-min(a$var2))/(max(a$var2)-min(a$var2)))

这不仅给出了大于 1 的总和，而且还将 var2 列变成了一个列表，我无法在该列表上执行像 sum 这样的操作

是否有任何有效的方法可以将此列转换为概率分布？

Answer 1

假设您有一个向量x 具有非负值且没有NA，您可以通过以下方式对其进行归一化

x / sum(x)

这是一个适当的概率质量函数。

你采取的变换：

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

仅将 x 重新调整为 [0, 1]，但不能确保“总和为 1”。

---

关于你的代码

这里不需要使用lapply：

lapply(a$var2, function(x) (x-min(a$var2)) / (max(a$var2) - min(a$var2)))

只使用矢量化操作

a$var2 <- with(a, (var2 - min(var2)) / (max(var2) - min(var2)))

正如你所说，lapply 给你一个列表，这就是“lapply”中的“l”所指的。您可以使用unlist 将该列表折叠成一个向量；或者，您可以使用sapply，其中“s”表示“简化（如果可能）”。