按条件进行最小归一化
按条件进行最小归一化
提问于 2018-11-02 03:19:29
我有一个下面的数据集，其中包含每周按组细分的销售数据和其他数据：
df
Market Week Sales diff_data1 another2
1 1 1 5 30 -40
2 1 2 4 7 -8
3 1 3 7 100 9
4 1 4 11 92 50
5 2 1 8 0 8
6 2 2 5 0 14
7 2 3 8 9 98
8 2 4 1 3 3我的目标是通过两种不同的方法对数据进行标准化:均值归一化和最小归一化。对销售数据进行平均归一化，而对非销售数据进行最小归一化。我认为我的均值归一化是正确的，但最小归一化有点棘手，因为我对所选择的数据有条件。下面是我目前所拥有的。
##Function to standardizing variables
group = "Market"
date = "Week"
##Function to standardize sales by dividing by the standard deviation of sales
normalized_mean <- function(x){
return(x/(sd(x)))
}
##Function to standardize variables by subtracting min
##Used for non-sales data
normalized_min<-function(x){
out<- ifelse(x>0, ((x-min(x)) / sd(x)),
ifelse(x<0, ((x+max(x)) / sd(x)),
ifelse(x==0, 0,0)))
return(out)
}
if (!("Sales" %in% colnames(df))){
df_index<-df %>%
dplyr::group_by(!!sym(group)) %>%
dplyr::mutate_at(vars(-one_of(!!group,!!date)), normalized_min)
} else {
df_index<-df %>%
dplyr::group_by(!!sym(group)) %>%
dplyr::mutate_at(vars(-one_of(!!group,!!date)), normalized_mean)
}它的当前输出是：
df_index
Market Week Sales diff_data1 another2
1 1 1 1.62 0.655 -1.07
2 1 2 1.29 0.153 -0.213
3 1 3 2.26 2.18 0.240
4 1 4 3.55 2.01 1.33
5 2 1 2.41 0 0.178
6 2 2 1.51 0 0.311
7 2 3 2.41 2.12 2.17
8 2 4 0.302 0.707 0.0666输出应如下所示：
Market Week Sales diff_data1 another2
1 1 1 1.62 0.501 0.26679
2 1 2 1.29 0 1.12053
3 1 3 2.26 2.02 1.30729
4 1 4 3.55 1.85 2.40114
5 2 1 2.41 0 7.93342
6 2 2 1.51 0 13.9334
7 2 3 2.41 2.121 97.9334
8 2 4 0.302 0.707 2.93342我的问题是下面这个公式。
如何使条件适用于这类示例？看起来它没有考虑到x>0、x<0和x==0的条件。
normalized_min<-function(x){
out<- ifelse(x>0, ((x-min(x)) / sd(x)),
ifelse(x<0, ((x+max(x)) / sd(x)),
ifelse(x==0, 0,0)))
return(out)
}任何帮助都是最好的，谢谢！
回答 1
Stack Overflow用户
发布于 2018-11-02 04:57:28
在"Sales“前去掉感叹号很好，我想你有一个打字错误：
if ("Sales" %in% colnames(df)){
df_index<-df %>%
dplyr::group_by(!!sym(group)) %>%
dplyr::mutate_at(vars(-one_of(!!group,!!date)), normalized_min)
} else {
df_index<-df %>%
dplyr::group_by(!!sym(group)) %>%
dplyr::mutate_at(vars(-one_of(!!group,!!date)), normalized_mean)
}输出：
Market Week Sales diff_data1 another2
<int> <int> <dbl> <dbl> <dbl>
1 1 1 0.323 0.502 0.267
2 1 2 0 0 1.12
3 1 3 0.969 2.03 1.31
4 1 4 2.26 1.85 2.40
5 2 1 2.11 0 0.111
6 2 2 1.21 0 0.244
7 2 3 2.11 2.12 2.11
8 2 4 0 0.707 0 这当然取决于你真正想要的是什么。
在您的描述中，它似乎应该计算归一化平均值(这实际上也是您在输出中获得的平均值)，但从您的示例中可以看出，只要名称中有销售额，它就应该开始计算归一化的最小值。
如果从数据集中删除"Sales“列，它也可以很好地使用初始函数：
df <- df[,-3]
if (!("Sales" %in% colnames(df))){
df_index<-df %>%
dplyr::group_by(!!sym(group)) %>%
dplyr::mutate_at(vars(-one_of(!!group,!!date)), normalized_min)
} else {
df_index<-df %>%
dplyr::group_by(!!sym(group)) %>%
dplyr::mutate_at(vars(-one_of(!!group,!!date)), normalized_mean)
}
Market Week diff_data1 another2
<int> <int> <dbl> <dbl>
1 1 1 0.502 0.267
2 1 2 0 1.12
3 1 3 2.03 1.31
4 1 4 1.85 2.40
5 2 1 0 0.111
6 2 2 0 0.244
7 2 3 2.12 2.11
8 2 4 0.707 0 页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53107995
复制相关文章
相似问题
腾讯云开发者
