如何用z-score及dplyr的mutate函数标准化股票收盘价数据

需求说明 #

需要对数据框中A、B、C三列的收盘价进行z-score标准化（公式：z = (x – μ) / σ），可以通过dplyr的mutate()结合across()函数批量处理多列，以下是具体实现方式：

代码实现 #

首先加载dplyr包，然后对目标列进行标准化：

library(dplyr)

# 原始数据框
df1 <- data.frame(date = c("01.01.", "02.01.", "03.01.", "04.01.", "05.01."),
                  A = c(102, 103, 107, 120, 134),
                  B = c(94, 95, 100, 93, 90),
                  C = c(55, 53, 50, 51, 48))

# 方式1：生成带_z后缀的新标准化列，保留原数据
df_zscore_new <- df1 %>%
  mutate(across(c(A, B, C), ~(.x - mean(.x)) / sd(.x), .names = "{col}_z"))

# 方式2：直接覆盖原列，替换为标准化后的值
df_zscore_overwrite <- df1 %>%
  mutate(across(c(A, B, C), ~(.x - mean(.x)) / sd(.x)))

关键说明 #

• across(c(A, B, C))：指定需要处理的列，也可以用across(-date)排除日期列，自动处理所有数值列
• ~(.x - mean(.x)) / sd(.x)：这是z-score的匿名函数实现，.x代表当前处理的列
• .names = "{col}_z"：设置新列的命名规则，{col}会自动替换为原列名，生成如A_z、B_z的新列

关于标准差的补充 #

如果需要使用总体标准差（除以n，而非样本标准差的n-1），可以将公式改为：

~(.x - mean(.x)) / sqrt(mean((.x - mean(.x))^2))

内容的提问来源于stack exchange，提问作者DunkinDont