R：如何在给定其他数据帧（训练集）的值的情况下标准化一个数据帧（测试集）

可能最简单的方法是使用预先存在的功能，因为这是最方便的。例如，在这里，我们可以使用插入符号包中提供的功能。

为了说明，让我们获取一些玩具数据：

# get some test data:
df <- mtcars[,c("mpg", "cyl")]
df1 <- df[1:16,]  # training data
df2 <- df[17:32,] # test data to be scaled

让我们看一下我们所期望的。

summary(df1) # some output ommitted
      mpg            cyl     
 Min.   :10.4   Min.   :4.0  
 Max.   :24.4   Max.   :8.0  

summary(df2)
      mpg             cyl       
 Min.   :13.30   Min.   :4.000  
 Max.   :33.90   Max.   :8.000  

我们看到for的范围（max - min）是14，而for的范围是4。如果查看for的最大值，则for的范围是33.9 。将min减去10.4，再除以14，应得到23.5 / 14 = 1.6785。其他列和值也具有类似的数学公式。df1mpgcyldf2mpgdf1

现在，让我们使用caret::preProcess并查看是否获得相同的值。

library(caret)
train_stats <- preProcess(df1, method = "range")
new_df1 <- predict(train_stats, df1)
new_df2 <- predict(train_stats, df2)

首先，让我们检查一下是否new_df1将缩放比例调整为0-1范围。

summary(new_df1)
# some output omitted:
      mpg              cyl       
 Min.   :0.0000   Min.   :0.000  
 Max.   :1.0000   Max.   :1.000  

现在让我们看看是否在测试集上获得了期望值：

summary(new_df2)
# some output omitted:
      mpg              cyl        
 Min.   :0.2071   Min.   :0.0000  
 Max.   :1.6786   Max.   :1.0000  

是的，看起来像这样。

现在，仅为了展示如何实现此功能by hand，请考虑我们需要遍历每一列，执行一个操作，然后返回新列。通常可以使用apply-family的功能来实现。由于两个不同的数据框涉及相同的列名，因此遍历列名似乎是一个主意。例如，

sapply(names(df1), function(x) (...) )

将应用functiondf1中的每个列名称作为参数。让我们以以下方式使用它：

df2[] <- sapply(names(df1), function(col) {
    if(is.factor(df2[[col]])) df2[[col]] else (df2[[col]]-min(df1[[col]]))/(max(df1[[col]])-min(df1[[col]]))})

让我们看看这是否能达到预期的结果：

summary(df2)
      mpg              cyl        
 Min.   :0.2071   Min.   :0.0000  
 Max.   :1.6786   Max.   :1.0000  

它做到了。