如何在R语言中避免对数据框中的哑变量进行标准化？

问题根源是整数类型（int）属于numeric类型家族，is.numeric()对int变量会返回TRUE，所以你的代码会把二进制哑变量也纳入标准化范围。以下是几个实用的解决办法：

方法1：手动指定需要标准化的连续变量列 #

如果明确知道哪些是需要标准化的连续变量，直接列出来最稳妥，完全避免误操作：

# 替换成你的实际连续变量列名
df_standardized <- df %>% 
  mutate(across(c(age, income, product_score), scale))

方法2：通过唯一值数量自动排除哑变量 #

二进制哑变量通常只有0和1两个唯一值，我们可以给across添加判断条件：只处理数值型且唯一值数量大于2的变量：

df_standardized <- df %>% 
  mutate(across(where(~ is.numeric(.) && length(unique(.)) > 2), scale))

注：如果数据里存在某些特殊连续变量刚好只有2个不同值，这个方法会跳过它们，可根据实际情况调整判断逻辑。

方法3：将哑变量转换为因子类型 #

既然哑变量本质是分类变量，先把它们转成因子类型，这样is.numeric()就不会识别它们了：

# 先将哑变量转为因子（替换成你的哑变量列名）
df <- df %>% 
  mutate(across(c(gender, is_vip_member), as.factor))

# 再对数值型变量执行标准化
df_standardized <- df %>% 
  mutate(across(where(is.numeric), scale))

通过以上方法就能精准避开哑变量，只标准化真正需要处理的连续变量。

内容的提问来源于stack exchange，提问作者TFT