我懂你想要的效果——把序列的第一个值固定为100，后续所有值都按和这个基线值的比例进行缩放，而不是常规的把整个数据的最值映射到某个区间。之前用BBmisc::normalize()的range方法确实满足不了这个需求，那我们来换个简单直接的思路：

直接手动实现（最简洁高效） #

这个需求的逻辑其实很直白：每个值除以基线值（也就是序列的第一个值test$value[1]），再乘以100就能把基线值固定为100，后续值自动按比例缩放。

代码示例：

# 初始化数据框
test <- data.frame(value = c(71,90,23,40,41), day = c(1,2,3,4,5))

# 计算归一化后的值
test$normalized_value <- (test$value / test$value[1]) * 100

运行后查看结果：

> test
  value day normalized_value
1    71   1        100.00000
2    90   2        126.76056
3    23   3         32.39437
4    40   4         56.33803
5    41   5         57.74648

完全符合你的要求：第一个值是100，90对应的缩放值在100以上，其他值按比例缩小。

为什么之前的方法没用？ #

• 用normalize(test$value, method = "range", range = c(1,100))时，这个函数是把整个数据的最小值（23）映射到1，最大值（90）映射到100，所以基线值71会被缩放到约72，完全偏离了你要的100基准。
• 你尝试的range=c(test$value[3], test$value[1])，本质是把23映射到23、71映射到71，只是做了一次无意义的线性对齐，自然达不到比例缩放的效果。

额外提示 #

如果后续需要对多组数据做同样的基线归一化（比如每组的第一个值都设为100），可以把这个逻辑封装成一个小函数，方便复用：

baseline_normalize <- function(x, baseline_index = 1, target = 100) {
  (x / x[baseline_index]) * target
}

# 调用函数
test$normalized_value <- baseline_normalize(test$value)

内容的提问来源于stack exchange，提问作者wammy