如何在R中基于年龄组与性别两列分组对数值列进行标准化？

嘿，别担心，这确实是个很基础的操作，你离正确答案只差一点点啦！

首先看你写的代码：

df %>% group_by(agegroup, gender) %>% mutate(scaled = scale(values))

这里有个小疏漏：你的数据里列名是value，但代码里写成了values（多了个s），这会导致R找不到对应列，自然分组后的标准化没生效~

正确的代码 #

修正列名后，这段代码就可以正常按agegroup和gender的组合分组，对value列做标准化了：

library(dplyr)

# 修正列名后的代码
df <- df %>% 
  group_by(agegroup, gender) %>% 
  mutate(scaled_value = scale(value)) %>% 
  ungroup() # 可选：如果后续不需要保留分组状态，可以取消分组

验证分组是否生效 #

你可以用以下代码检查每个分组的标准化结果是否符合预期（标准化后均值为0，方差为1）：

df %>% 
  group_by(agegroup, gender) %>% 
  summarise(
    mean_scaled = mean(scaled_value, na.rm = TRUE),
    var_scaled = var(scaled_value, na.rm = TRUE)
  )

运行后你会看到每个分组的mean_scaled接近0，var_scaled接近1，说明分组标准化确实生效了。

手动实现标准化（可选） #

如果你想更清楚标准化的过程，也可以手动计算，效果和scale()函数完全一致：

df <- df %>% 
  group_by(agegroup, gender) %>% 
  mutate(
    scaled_value_manual = (value - mean(value, na.rm = TRUE)) / sd(value, na.rm = TRUE)
  ) %>% 
  ungroup()

这样就能得到按年龄组和性别分别标准化后的新列啦！

内容的提问来源于stack exchange，提问作者gardenchairs