了解R中的`scale`

Question

我试图理解scaleR提供的定义.我有数据(mydata),我想制作热图,并有一个非常强烈的积极倾斜.我已经创建了两个树形图热图scale(mydata)和log(my data)和树状图是两种不同的.为什么？扩展我的数据意味着什么,而不是对数据进行日志转换？如果我想查看说明数据列之间关系的树形图,哪个更合适？

感谢您的任何帮助!我已经阅读了这些定义,但他们对我的看法很高兴.

Answer 1

log简单地e取向量的每个元素的对数(默认为base ).
scale使用默认设置,将计算整个矢量的平均值和标准差,然后通过减去平均值并除以sd,将这些值"缩放"每个元素.(如果使用 scale(x, scale=FALSE),它只会减去平均值,但不会除以标准偏差.)

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)

Answer 2

它除了提供数据标准化之外别无其他.它创建的值在几个不同的名称下是已知的,其中一个是z分数("Z",因为正态分布也称为"Z分布").

更多信息可以在这里找到:

http://en.wikipedia.org/wiki/Standard_score

Answer 3

这是一个较晚的补充，但我自己正在寻找有关比例函数的信息，尽管它也可能对其他人有所帮助。

稍微修改Ricardo Saporta的回复。
缩放不是使用标准偏差完成的，至少在 R 的 3.6.1 版中没有，我基于“Becker, R. (2018). The new S language. CRC Press”。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)

这些行的结果完全相同，为了简单，我没有居中显示。

我会在评论中做出回应，但没有足够的声誉。

Answer 4

我想我会通过提供比例函数实际使用的具体示例来做出贡献。假设您想要比较 3 项测试成绩（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，因为分数的范围差异很大。然而，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分数。例如，对值进行平均并根据该平均值的百分位数指定等级。希望这有帮助！

注：这个例子是我从《R In Action》一书中借来的。这是一本很棒的书！肯定会推荐。