dplyr中按组重新缩放变量的规范方法
2025-06-10 14:31:53作者:史锋燃Gardner
在数据分析和处理过程中,经常需要对数据进行按组标准化或重新缩放。本文探讨了在dplyr框架下实现这一功能的规范方法,并分析了常见的误区和解决方案。
问题背景
在数据分析中,我们经常需要按组对变量进行重新缩放,例如将每个组内的变量除以其均值。这种操作在数据预处理和特征工程中非常常见。在R生态系统中,data.table、base R和plyr等包都有各自的实现方式。
各包实现对比
- data.table实现:
penguins[,
by = species,
names(.SD) := lapply(.SD, \(x) x / mean(x)), .SDcols = patterns("^bill_")
]
- base R实现:
cols <- grepv("^bill_", names(penguins))
penguins |>
split(~species) |>
lapply(\(x) { x[cols] <- lapply(x[cols], \(y) y / mean(y)); x}) |>
do.call(what = rbind)
- plyr实现:
cols <- grepv("^bill_", names(penguins))
ddply(penguins, .(species), \(x) {x[cols] <- x[lapply(x[cols], \(y) y / mean(y)); x})
dplyr的正确实现
在dplyr中,正确的做法是使用mutate()
函数结合.by
参数:
penguins |>
mutate(
.by = species,
across(
.cols = starts_with("bill_"),
.fns = ~.x / mean(.x, na.rm = TRUE)
)
)
常见误区分析
-
错误使用summarize: 许多用户会误用
summarize()
函数,因为它在按组操作时更常见。然而,summarize()
会减少数据行数,而我们需要的是保持原始行数。 -
忽略mutate的.by参数: 由于
.by
参数不在泛型函数签名中,部分用户可能不知道mutate()
支持这一功能。 -
混淆reframe和mutate:
reframe()
是dplyr 1.1.0引入的新函数,用于返回任意大小的结果,不适合保持原始数据结构的操作。
高级应用场景
当需要结合其他复杂操作时,如使用spline()
函数计算样条曲线,需要注意:
penguins |>
summarize(
.by = species,
spline = data.frame(spline(bill_len, bill_dep, n=4L))
但如果错误地尝试同时保留原始列和计算结果,会导致"subscript out of bounds"错误。这种情况下,应该考虑分步操作或使用更合适的函数组合。
总结
在dplyr中按组重新缩放变量时,mutate()
配合.by
参数是最规范的方法。理解dplyr各核心函数的用途和区别对于编写高效、清晰的代码至关重要。对于复杂操作,建议先理解数据流,再选择合适的函数组合。
dplyr提供了丰富的文档和智能提示功能,包括动态方法跳转和参数自动补全,充分利用这些功能可以避免许多常见错误。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0336- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58