Comment passer une tranche de données à une fonction d'histogramme pour la normalisation de mode dans R?

Question

Je souhaite normaliser les colonnes sélectionnées d'une trame de données par une normalisation définie par l'utilisateur. Jusqu'ici je vais avec

library(tidyr) 
library(ggplot2) 

Mode <- function(x, na.rm = TRUE) { 
    x <- lapply(x, as.numeric) 
    distribution <- hist(x, breaks = 50, plot = FALSE) 
    distribution$mids[which.max(distribution$counts)] 
} 

data_normalised <- lapply(mtcars[,-9:-12], function(x) {(x-Mode(x))/(sd(x))}) 

comme exemple minimal. Cependant, hist se plaint que "x doit être numérique". Je pensais que cela pourrait être résolu par coulée

x <- lapply(x, as.numeric) 

qui ne fonctionne pas. Je sais que hist travaille pour

hist(mtcars[[3]]) 

mais je ne peux pas trouver un moyen de combiner le découpage df et la fonction hist, comme

hist(mtcars[[-9:-12]]) 

ne fonctionnera pas huitard.

Idéellement, je voudrais que la fonction Mode() fonctionne comme la fonction sd(). Prenez une colonne df et redonnez une valeur.

Merci pour votre aide!

Answer 1

Dans votre Mode() fonction, class(x) est 'numeric' (c'est-à-dire que vous avez un vecteur numérique de longueur 32). Ensuite, vous utilisez lapply() pour appliquer la fonction as.numeric() à x. Après cette étape, class(x) est 'list' Depuis as.numeric est vectorisé, vous ne fait pas la boucle à travers les éléments du vecteur, au contraire, vous pouvez simplement utiliser x <- as.numeric(x) dans la fonction Mode:

Mode <- function(x, na.rm = TRUE) { 
    x <- as.numeric(x) 
    distribution <- hist(x, breaks = 50, plot = FALSE) 
    distribution$mids[which.max(distribution$counts)] 
} 

Vous pouvez alors procéder comme vous avez fait et il ne produira pas d'erreurs:

data_normalised <- lapply(mtcars[,-9:-12], function(x) {(x-Mode(x))/(sd(x))}) 

Si vous voulez obtenir un nouveau data.frame, vous pouvez utiliser cbind():

data_normalised <- do.call("cbind", data_normalised) 

Et vous obtenez:

head(data_normalised) 
      mpg   cyl  disp   hp  drat   wt  qsec   vs 
[1,] 0.9540484 -1.09187321 0.6858229 0.03646289 1.54298263 -0.84827399 -0.35815351 -0.01984063 
[2,] 0.9540484 -1.09187321 0.6858229 0.03646289 1.54298263 -0.58765969 -0.04476919 -0.01984063 
[3,] 1.2527070 -2.21174317 0.2662607 -0.21148473 1.44946853 -1.15487905 0.84501845 1.96422286 
[4,] 1.0204170 -1.09187321 1.4765365 0.03646289 0.00935141 -0.24017396 1.30949879 1.96422286 
[5,] 0.5724290 0.02799675 2.2995240 0.98449790 0.14027115 -0.01022017 -0.04476919 -0.01984063 
[6,] 0.4728762 -1.09187321 1.2102758 -0.03646289 -0.58913882 0.01022017 1.74599838 1.96422286