Función scale() en R - Estandarización de datos
La función scale() en R se utiliza para estandarizar datos (estandarización z-score).
Después de la estandarización, la media de los datos es 0 y la desviación estándar es 1, se usa comúnmente para eliminar el impacto de las diferentes escalas de medida.
La sintaxis de la función scale() es la siguiente:
scale(x, center = TRUE, scale = TRUE)
Descripción de parámetros:
xIngrese una matriz numérica o data frame.
centerSi se realiza el centrado (restar la media), el valor predeterminado es TRUE.
scaleSi se realiza el escalado (dividir por la desviación estándar), el valor predeterminado es TRUE.
Ejemplos
# Datos originales: variables en diferentes escalas
height <- c(160, 170, 165, 175, 180) # Rango 160-180
income <- c(50000, 60000, 55000, 80000, 90000) # Rango 50000-90000
age <- c(25, 30, 28, 35, 40) # Rango 25-40
# Combinar en matriz
data_matrix <- cbind(height, income, age)
print("Datos originales:")
print(data_matrix)
# Estandarización
scaled_data <- scale(data_matrix)
print("Después de la estandarización (media 0, desviación estándar 1):")
print(round(scaled_data, 3))
# Verificar la media y la desviación estándar
print("Medias de cada columna después de la estandarización (deberían ser cercanas a 0):")
print(round(colMeans(scaled_data), 3))
print("Desviaciones estándar de cada columna después de la estandarización (deberían ser iguales a 1):")
print(round(apply(scaled_data, 2, sd), 3))
height <- c(160, 170, 165, 175, 180) # Rango 160-180
income <- c(50000, 60000, 55000, 80000, 90000) # Rango 50000-90000
age <- c(25, 30, 28, 35, 40) # Rango 25-40
# Combinar en matriz
data_matrix <- cbind(height, income, age)
print("Datos originales:")
print(data_matrix)
# Estandarización
scaled_data <- scale(data_matrix)
print("Después de la estandarización (media 0, desviación estándar 1):")
print(round(scaled_data, 3))
# Verificar la media y la desviación estándar
print("Medias de cada columna después de la estandarización (deberían ser cercanas a 0):")
print(round(colMeans(scaled_data), 3))
print("Desviaciones estándar de cada columna después de la estandarización (deberían ser iguales a 1):")
print(round(apply(scaled_data, 2, sd), 3))
El resultado de ejecutar el código anterior es:
[1] "原始数据:"
height income age
[1,] 160 50000 25
[2,] 170 60000 30
[3,] 165 55000 28
[4,] 175 80000 35
[5,] 180 90000 40
[1] "标准化后(均值为0,标准差为1):"
height income age
[1,] -1.2649 -1.2647 -1.2649
[2,] 0.0000 -0.4739 0.0000
[3,] -0.6325 -0.8699 -0.6325
[4,] 0.6325 0.7109 0.6325
[5,] 1.2649 1.8976 1.2649
[1] "标准化后各列均值(应接近0):"
height income age
0 0 0
[1] "标准化后各列标准差(应等于1):"
height income age
1 1 1
Otras extensiones