基于R语言的数据标准化处理脚本

Python012

基于R语言的数据标准化处理脚本,第1张

基于R语言的数据标准化处理脚本

数据标准化（Normalization）

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。

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—最大标准化”、“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。

min-max标准化（Min-max normalization）

也叫离差标准化，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：

正向指标：（x-min）/（max-min）

负向指标：（max-x）/（max-min）

其中max为样本数据的最大值，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)))

} #负向指标

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

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)

试试这个package：birk，这是他的介绍： It currently includes a unit of measurement conversion function and a few simple arithmetic functions。

我大概看了一下这个package，发现它有很多单位的转换，比如长度，角度，热量，你感兴趣的重量，温度，速度，容积等等单位转换。

比如1磅转化为多少克：conv_unit(1, lb, g)

很好用吧~觉得好请采纳我。

不慢。

数据标准化，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。

所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时，它的内容才可以被访问。