循环通过一些但不是所有的列？ [复制]

Posted 2023-03-12

【中文标题】循环通过一些但不是所有的列？ [复制]

【英文标题】：looping through some but not all columns? [duplicate]

【发布时间】：2019-09-29 10:19:00

【问题描述】：

嘿，很棒的社区，

我正在尝试学习如何使用循环来遍历数据集的各个方面。我正在使用免费为机器学习提供的 sns 数据集，并尝试运行 k 均值聚类分析。我需要做的第一件事是对变量进行中心化和缩放。我想使用循环来执行此操作，并且我需要选择所有但数据集中的前四个变量。这是我尝试过的，但我不确定为什么这不起作用：

for(i in names(sns.nona[, -c(1:4)]))
    scale(i, center = TRUE, scale = TRUE)


Error in colMeans(x, na.rm = TRUE) : 'x' must be numeric

我收到上述错误，这一定意味着它没有选择数据集的实际列，只是选择了名称。我想我应该预料到这一点，但我如何让它引用数据？

编辑：我也试过了：

for(i in names(sns.nona)[-c(1:4)])
    scale(sns.nona[,i], center = TRUE, scale = TRUE)

这没有返回错误，但似乎没有使数据居中。如果原始值为 0，我应该得到一些负值，因为我会从中减去列的平均值...

【问题讨论】：

有什么理由需要使用循环吗？

只为我自己的熏陶。我也尝试使用 tidyr 来执行此操作，但是当我添加 one_of(-c(v1, v2, v3, v4)) 时，它说无论出于何种原因都找不到 v1。我实际上不介意同时看到它。这只是为我学习。 :)

你的最后一个代码应该可以工作，如果平均值为零，那么缩放它不会总是产生负值。或者如果平均值为负值，它可能会产生正值！无论如何，就使用 tidyr 而言，出现该错误的原因是 tidyr 不需要您引用变量名。所以如果你的变量名是Blah那么你可以做data %>% select(Blah) %>% transmute(Blah = scale())

【参考方案1】：

您可能需要在应用比例后重新分配结果

for(i in names(df)[-(1:4)])
   df[, i] <- scale(df[,i], center = TRUE, scale = TRUE)

或者lapply你可以这样做

df[-(1:4)] <- lapply(df[-(1:4)], scale, center = TRUE, scale = TRUE)

我们可以使用dplyr。使用mutate_at

library(dplyr)
df %>%  mutate_at(-(1:4), scale, center = TRUE, scale = TRUE)

【讨论】：

找到了天才。是的，这行得通。这似乎是一个非常基本的概念。我会记住的。非常感谢！

【参考方案2】：

一种避免编写循环的方法：

scale(data[-1:-4])

此外，如果您想在不创建新数据框的情况下修改选定列的同时执行此操作：

data[-1:-4] <- lapply(data[-1:-4], scale)

【参考方案3】：

您可以使用 tidyverse 系列软件包，我在 R 中所做的几乎所有事情都使用它。 imo 开始使用它们永远不会太早。

require(tidyverse)
#Convert sns.nona to tibble (robust data format which we can do cool stuff to)
sns.nona = as.tibble(sns.nona) 
#Do cool stuff: mutate_at("columns to change","function to apply to columns")
sns.nona = sns.nona %>% 
mutate_at(5:(ncol(sns.nona)),function(x) scale(x, center = T, scale = T))

NB 不要被%>% 吓到。基本上x %>% function(y,z) 等价于function(x,y,z)

【讨论】：

我对 tidyverse 有非常基本的了解。这很有帮助。我知道 mutate 函数非常高效，所以看看例子很好！