我试图理解 R 提供的scale 的定义。我有想要制作热图的数据 (mydata)，并且存在非常强的正偏差。我为scale(mydata) 和log(my data) 创建了一个带有树状图的热图，两者的树状图都不同。为什么？缩放我的数据和对数转换我的数据意味着什么？如果我想查看说明数据列之间关系的树状图，哪个更合适？
感谢您的帮助！我已经阅读了定义，但它们在我脑海中挥之不去。
【问题讨论】：
标签： r scale transformation heatmap
log 只取向量的每个元素的对数（默认为e）。scale，在默认设置下，将计算整个向量的均值和标准差，然后通过减去平均值并除以标准差来“缩放”每个元素。 （如果使用scale(x, scale=FALSE)，只会减去均值，不会除以标准差。）
请注意，这将为您提供相同的值
set.seed(1)
x <- runif(7)
# Manually scaling
(x - mean(x)) / sd(x)
scale(x)
【讨论】：
scale 在您考虑跨不同尺度的多个变量时更有意义。例如，一个 var 的数量级为 100，而另一个 var 的数量级为 1000000
scale 时，您不会更改数据，而是更改比例（绘图时的轴值）。想想在两端抓住轴并拉伸或压缩它。那就是规模。相反，log 实际上更改了数据。 log 的影响对于较大的值“更强”，而对于较小的值则更小。
它只提供数据的标准化。它创建的值有几个不同的名称，其中之一是 z-scores（“Z”，因为正态分布也称为“Z 分布”）。
更多信息可以在这里找到：
【讨论】：
这是一个较晚的添加，但我自己正在寻找有关比例功能的信息，尽管它也可能对其他人有所帮助。
稍微修改来自Ricardo Saporta的响应。
不使用标准差进行缩放，至少在 R 的 3.6.1 版本中没有，我基于“Becker, R. (2018)。新的 S 语言。 CRC 出版社。”和我自己的实验。
X.man.scaled <- X/sqrt(sum(X^2)/(length(X)-1))
X.aut.scaled <- scale(X, center = F)
这些行的结果是完全相同的，因为简单，我没有居中显示它。
我会在评论中回复，但没有足够的声誉。
【讨论】：
我想我会通过提供一个实际使用比例函数的具体示例来做出贡献。假设您有 3 个要比较的考试成绩（数学、科学和英语）。也许您甚至可能希望根据每个观察的 3 个测试中的每一个生成一个综合分数。您的数据可能如下所示：
student_id <- seq(1,10)
math <- c(502,600,412,358,495,512,410,625,573,522)
science <- c(95,99,80,82,75,85,80,95,89,86)
english <- c(25,22,18,15,20,28,15,30,27,18)
df <- data.frame(student_id,math,science,english)
显然，比较这 3 个分数的平均值是没有意义的，因为分数的规模有很大的不同。但是，通过缩放它们，您可以获得更多可比较的评分单位：
z <- scale(df[,2:4],center=TRUE,scale=TRUE)
然后，您可以使用这些缩放结果来创建综合得分。例如，平均这些值并根据该平均值的百分位数分配一个等级。希望这有帮助！
注意：我从“R In Action”一书中借用了这个例子。这是一本很棒的书！肯定会推荐。
【讨论】：