如何在R中对多列离散数据批量计算Laplace smoothing值

计算规则说明 #

你场景下的拉普拉斯平滑统一按以下规则计算：

• 平滑系数alpha：标准拉普拉斯平滑取1即可，可根据业务需求调整
• 离散值总类别数k：你的场景中秒数最大值为15，取值范围0-15，因此k=16，可根据实际最大值修改为max_value + 1

实现方法 #

方法1：tidyverse 简洁方案（推荐） #

用dplyr的across()函数批量处理指定列，无需手动写循环：

# 加载依赖包
library(dplyr)

# 定义平滑参数
alpha <- 1
k <- 16 # 取值为实际秒数最大值+1，可自行调整

# 批量生成L_开头的平滑后新列
time_data_smoothed <- time_data %>%
  mutate(across(starts_with("T0") & !ends_with("TOT"), # 匹配所有T0开头、非汇总列的待处理列
                ~(.x + alpha)/(sum(.x) + alpha * k),
                .names = "L_{.col}")) # 新列名规则：L_加原列名

如果需要输出平滑后的计数值而非概率，把公式替换为.x + alpha即可。

方法2：R基础包方案（无需安装第三方包） #

用lapply批量处理后合并到原数据框：

# 定义平滑参数
alpha <- 1
k <- 16

# 筛选待处理列：排除T_TOT，保留所有T开头的观测列
target_cols <- grep("^T0.*", names(time_data), value = T)
target_cols <- setdiff(target_cols, "T_TOT")

# 批量计算平滑值
smoothed_cols <- lapply(time_data[target_cols], function(x) {
  (x + alpha)/(sum(x) + alpha * k)
})
# 重命名新列
names(smoothed_cols) <- paste0("L_", names(smoothed_cols))
# 合并到原数据框
time_data_smoothed <- cbind(time_data, smoothed_cols)

运行上述任意一种方案后，输出的time_data_smoothed就会包含所有L_开头的平滑列，和你给出的期望结构完全一致。

内容的提问来源于stack exchange，提问作者Nicolás Rojas U