R语言---scale函数，match函数和%in%详解

R语言---scale函数，match函数详解

1. scale函数
2. 两个向量匹配match和%in%
- （1）match函数
- （2）成员判断

1. scale函数

scale: Scaling and Centering of Matrix-like Objects
该函数共有两个参数center 和 scale，默认情况下均为TRUE，此情况下即为标准化zscore计算。
输入数据可以为一列数据，或者多列的matrix，会按列计算，计算过程与下面代码相同，计算结果相同。

df=mtcars[c("mpg","wt")]
scale(df)  ## zscore标准化
apply(df,2, function(x){(x-mean(x ,na.rm=T))/sd(x, na.rm=T)}) ##  ## 传入zscore标准化函数

sacle存在两个参数：

scale(x, center = TRUE, scale = TRUE)

举例说明（默认情况下，两个参数均为TRUE）：

aa=c(1,3,5,7,9)
scale(aa)
[,1]
[1,] -1.265
[2,] -0.632
[3,]  0.000
[4,]  0.632
[5,]  1.265
attr(,"scaled:center")
[1] 5  ## 代表均值
attr(,"scaled:scale")
[1] 3.16 ## 代表sd

只进行中心化（每个值减去均值）：

scale(aa, center = T, scale = F)[,1]
[1,]   -4
[2,]   -2
[3,]    0
[4,]    2
[5,]    4
attr(,"scaled:center")
[1] 5  ## 代表均值

只进行scale转化，不减均值：

scale(aa, scale=T,center = F)[,1]
[1,] 0.156
[2,] 0.467
[3,] 0.778
[4,] 1.090
[5,] 1.401
attr(,"scaled:scale")
[1] 6.42
## 计算过程
> aa/sqrt(sum(aa^2)/(length(aa)-1))
[1] 0.156 0.467 0.778 1.090 1.401> sqrt(sum(aa^2)/(length(aa)-1))
[1] 6.42 ## 上面6.42的计算过程

scale默认情况即为zscore标准化计算过程：

scale(aa) ## scale计算[,1]
[1,] -1.3270
[2,] -0.6286
[3,]  0.0698
[4,]  0.7683
[5,]  1.1175
attr(,"scaled:center")
[1] 4.8
attr(,"scaled:scale")
[1] 2.86(aa-mean(aa))/sd(aa)  ## 手动计算
[1] -1.3270 -0.6286  0.0698  0.7683  1.1175

如果数据中存在NA，则跳过此值：
比如均值计算为（1+8+3+5+7）/4 = 4.8, sd的计算过程一样，没有算入最后NA，正如下面aa和bb的scale结果一样。

aa  ## 数据1
[1] 1 3 5 7 8
scale(aa)[,1]
[1,] -1.3270
[2,] -0.6286
[3,]  0.0698
[4,]  0.7683
[5,]  1.1175
attr(,"scaled:center")
[1] 4.8
attr(,"scaled:scale")
[1] 2.86bb ## 数据2，包含NA
[1]  1  3  5  7  8 NA
scale(bb)[,1]
[1,] -1.3270
[2,] -0.6286
[3,]  0.0698
[4,]  0.7683
[5,]  1.1175
[6,]      NA
attr(,"scaled:center")
[1] 4.8
attr(,"scaled:scale")
[1] 2.86

2. 两个向量匹配match和%in%

（1）match函数

match函数用来匹配两个向量，在向量提取相同元素和不同元素方面可以使用。
match函数共包含四个参数：

match(x, y, nomatch = NA_integer_, incomparables = NULL)
## 直观的功能和 %in% 作用相似
x %in% yx：vector or NULL: the values to be matched. Long vectors are supported.
y：vector or NULL: the values to be matched against. Long vectors are not supported.
nomatch：the value to be returned in the case when no match is found. Note that it is coerced to integer.
incomparables：a vector of values that cannot be matched. Any value in x matching a value in this vector is assigned the nomatch value. For historical reasons, FALSE is equivalent to NULL.

match的含义是找出a中元素在b中的位置，举例说明：

a=c("A","B","C","D")
b=c("A","C","D","E")
match(a,b) ## 返回b中与a相同元素的index
[1]  1 NA  2  3
b[match(a,b)] ## 在b中将相同的元素提取出来
[1] "A" NA  "C" "D"

剔除上面结果中的NA：

as.vector(na.omit(b[match(a,b)]))

提取差集（仅存在b中，不存在a中的元素）：
由于返回值存在NA，也就是b中并未完全包括a中元素，因此直接使用 b[-match(a,b)]会报错。

> b[-match(a,b)]
Error in b[-match(a, b)] : 只有负下标里才能有零
> -match(a,b)
[1] -1 NA -2 -3
> b[c(-1,-2,-3)]
[1] "E"
> b
[1] "A" "C" "D" "E"
或者使用上面的剔除NA：
b[-as.vector(na.omit(match(a,b)))]

（2）成员判断

成员判断使用%in%：

a=c("A","B","C","D")
b=c("A","C","D","E")a[a %in% b]  ## 提取a，b共有元素
sum(a %in% b) ## 统计共有元素的个数
a[ !a %in% b] ## 提取仅在a中存在的元素## 输出如下：
> a[a %in% b]
[1] "A" "C" "D"
> sum(a %in% b)
[1] 3
> a[ !a %in% b]
[1] "B"

综上看出，如果数据量级不同，为了更准确的进行后续分析，需要使用scale进行zscore标准化；
关于两个向量匹配，%in%和match都很方便，按自己习惯来。

参考：
https://www.jianshu.com/p/3173ee73ec7e （match函数）
RStudio >?scale