R语言使用指定上下界矩阵将data.table数值列缩放至单位区间

问题场景 #

存在同时包含数值型与因子型数据的data.table对象，示例数据如下：

> dat
           x           z y w 
 1: 3.307590 -1.66951137 b a               
 2: 1.809447  4.10331322 b b               
 3: 3.314621  3.69436879 a a               
 4: 1.896529 -0.08143017 c b               
 5: 3.317341  1.01839533 c a               
 6: 1.806456 -2.09547272 a b               
...

需要将其中的数值变量x、z缩放到单位区间。各数值列的最小值和最大值存储在独立矩阵中（注意最大值并非直接取对应列的max值），矩阵第一行为各数值列的最小值，第二行为最大值，矩阵示例如下：

> cts.mat
     x  z
[1,] 1 -3
[2,] 4  5

原有尝试的问题 #

曾尝试通过如下代码实现缩放：

dat[, lapply(.SD, range01, cts.mat), .SDcol = c("x", "z")]

配套自定义的range01函数如下：

range01 <- function(x, cts.mat) {
  x.as.string <- deparse(substitute(x))
  # 缩放公式：(x-下界)/(上界-下界)
  (x - cts.mat[, x.as.string][1]) / (cts.mat[, x.as.string][2] - cts.mat[, x.as.string][1])
}

上述代码无法正常运行，核心问题是lapply遍历.SD列时，传入函数的是纯取值向量，无法通过substitute捕获到原始列名，因此不能匹配到矩阵中对应列的上下界参数。

可行解决方案 #

方案1：直接遍历列名做计算（最高效，推荐） #

不需要在lapply中依赖列名捕获，直接遍历要缩放的列名字符串，匹配矩阵中对应的上下界完成计算，支持原地更新数据，非数值列不会受影响：

# 指定要缩放的数值列
scale_cols <- c("x", "z")

# 按列匹配上下界完成缩放，原地替换原列
dat[, (scale_cols) := lapply(scale_cols, function(col_name) {
  lower <- cts.mat[1, col_name]
  upper <- cts.mat[2, col_name]
  (get(col_name) - lower) / (upper - lower)
})]

方案2：封装可复用缩放函数 #

如果需要单独封装缩放逻辑，可以显式传入上下界参数，避免依赖环境捕获：

# 纯计算逻辑的缩放函数，不需要内部取列名
range01 <- function(x, lower, upper) {
  (x - lower) / (upper - lower)
}

# 用mapply按列匹配传入对应的列值、下界、上界
dat[, (scale_cols) := mapply(function(col_name, l, u) {
  range01(get(col_name), l, u)
}, scale_cols, cts.mat[1, scale_cols], cts.mat[2, scale_cols])]

两种方案的计算逻辑完全一致：以给定的cts.mat为例，x列按(x-1)/(4-1)计算，z列按(z+3)/(5+3)计算，即使原始数据存在超出列本身min/max的值，也会严格按照矩阵中给定的上下界完成缩放。

内容的提问来源于stack exchange，提问作者user31313