Cómo centrar datos en R (con ejemplos)

Para centrar un medio de conjunto de datos para restar el valor medio de cada observación individual en el conjunto de datos.

Por ejemplo, supongamos que tenemos el siguiente conjunto de datos:

Resulta que el valor medio es 14. Por lo tanto, para centrar este conjunto de datos, restaríamos 14 de cada observación individual:

Tenga en cuenta que el valor medio del conjunto de datos centrado es cero.

Este tutorial proporciona varios ejemplos de cómo centrar datos en R.

Ejemplo 1: centrar los valores de un vector

El siguiente código muestra cómo usar la función scale () desde la base R para centrar los valores en un vector:

#crear vector
datos <- c (4, 6, 9, 13, 14, 17, 18, 19, 19, 21)

#Restar el valor medio de cada observación en la escala vectorial
 (datos, escala = FALSO )

      [, 1]
 [1,] -10
 [2,] -8
 [3,] -5
 [4,] -1
 [5,] 0
 [6,] 3
 [7,] 4
 [8,] 5
 [9,] 5
[10,] 7

attr (, "escalado: centro")
[1] 14

Los valores resultantes son los valores centrados del conjunto de datos. La función scale () también nos dice que el valor medio del conjunto de datos es 14.

Tenga en cuenta que la función scale () , por defecto, resta la media de cada observación individual y luego divide por la desviación estándar.

Al especificar scale = FALSE , le decimos a R que no divida por la desviación estándar.

Ejemplo 2: centrar las columnas en un marco de datos

El siguiente código muestra cómo usar la función sapply () y la función scale () desde la base R para centrar los valores de cada columna de un marco de datos:

#create marco de datos
df <- data.frame (x = c (1, 4, 5, 6, 6, 8, 9),
                 y = c (7, 7, 8, 8, 8, 9, 12),
                 z = c (3, 3, 4, 4, 6, 7, 7))

#centrar cada columna en el marco de datos
 df_new <- sapply (df, function (x) scale (x, scale = FALSE ))

#display marco de datos
 df_new

              xyz
[1,] -4.5714286 -1.4285714 -1.8571429
[2,] -1,5714286 -1,4285714 -1,8571429
[3,] -0.5714286 -0.4285714 -0.8571429
[4,] 0.4285714 -0.4285714 -0.8571429
[5,] 0.4285714 -0.4285714 1.1428571
[6,] 2.4285714 0.5714286 2.1428571
[7,] 3.4285714 3.5714286 2.1428571

Podemos verificar que la media de cada columna en el nuevo marco de datos es igual a cero usando la función colMeans () :

colMeans (df_new)

            xyz 
 2.537653e-16 -2.537653e-16 3.806479e-16 

Los valores se muestran en notación científica, pero cada valor es esencialmente igual a cero.

Recursos adicionales

Cómo promediar entre columnas en R
Cómo sumar columnas específicas en R
Cómo eliminar valores atípicos de varias columnas en R

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/