[英]Scale and center multiple columns in R + adding new names to the new columns
我有一个包含几列各种类(字符、因子和数字)的大型数据框。 可以使用以下代码复制数据帧的子集:
df <- structure(
list(
id = c("1", "2", "3", "4", "5"),
gender = structure(c(1L, 2L, 1L, 2L, 1L), levels = c("Female", "Male"), class = "factor"),
age = c(78, 64, 79, 98, 82),
score1 = c(-0.019375, -0.025835, -0.029842, -0.029842, -0.027398),
score2 = c(0.0004892, -0.001254932, -0.00135780, -0.00312374, -0.00685426),
score3 = c(-0.05938750, -0.1237563, -0.08442363, -0.09326243, -0.091492836)),
row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"))
我想使用scale
函数(base)标准化 score1、score2 和 score3,将它们添加到具有新名称的数据框中(在 score 前面添加 az)并将原始分数保留在数据框中。
到目前为止,我已经使用下面的代码创建了标准化分数,但我想使用函数或循环来使代码更高效,因为我的数据框还有几个要标准化的分数。
df$zscore1 <- scale(df$score1, center = TRUE, scale = TRUE)
df$zscore2 <- scale(df$score2, center = TRUE, scale = TRUE)
df$zscore3 <- scale(df$score3, center = TRUE, scale = TRUE)
任何建议如何解决这个问题?
编辑:
Sotos 的解决方案非常适合我提供的示例。 但是,分数列的名称不像提供的示例中那样有条理。 我为此道歉。 它们更像这样:
df <- structure(
list(
id = c("1", "2", "3", "4", "5"),
gender = structure(c(1L, 2L, 1L, 2L, 1L), levels = c("Female", "Male"), class = "factor"),
age = c(78, 64, 79, 98, 82),
AD = c(-0.019375, -0.025835, -0.029842, -0.029842, -0.027398),
PD1 = c(0.0004892, -0.001254932, -0.00135780, -0.00312374, -0.00685426),
DEM = c(-0.05938750, -0.1237563, -0.08442363, -0.09326243, -0.091492836)),
row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"))
我寻求的输出如下:
df$zAD_2 <- scale(df$AD, center = TRUE, scale = TRUE)
df$zPD1_2 <- scale(df$PD1, center = TRUE, scale = TRUE)
df$zDEM_2 <- scale(df$DEM, center = TRUE, scale = TRUE)
你可以试试,
i1 <- -seq(3)
df[paste0('z', names(df)[i1], '_2')] <- scale(df[i1], center = TRUE, scale = TRUE)
df
# A tibble: 5 x 9
id gender age AD PD1 DEM zAD_2 zPD1_2 zDEM_2
<chr> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 Female 78 -0.0194 0.000489 -0.0594 1.64 1.04 1.35
2 2 Male 64 -0.0258 -0.00125 -0.124 0.145 0.418 -1.45
3 3 Female 79 -0.0298 -0.00136 -0.0844 -0.785 0.381 0.262
4 4 Male 98 -0.0298 -0.00312 -0.0933 -0.785 -0.252 -0.122
5 5 Female 82 -0.0274 -0.00685 -0.0915 -0.218 -1.59 -0.0447
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.