R语言混合数据框训练测试集指定数值列不执行标准化的实现方法

解决方案 #

你可以用dplyr的across()语法实现需求，无需拆分合并列，直接指定排除Col6、Col7的数值列做标准化即可。

步骤1：定义不需要标准化的列

no_scale_cols <- c("Col6", "Col7")

步骤2：处理训练集，保留无需缩放的列同时完成标准化

# 训练集标准化
Train_Scale <- Train_Set %>%
  dplyr::mutate(
    # 筛选：数值型 且 不在无需缩放列表中的列执行标准化
    dplyr::across(
      .cols = where(is.numeric) & !dplyr::all_of(no_scale_cols),
      .fns = ~scale(.) %>% as.vector
    )
  )

# 提取训练集的标准化参数（均值、标准差），用于测试集的标准化
num_scale_cols <- names(which(sapply(Train_Set, \(x) is.numeric(x) && !names(x) %in% no_scale_cols)))
scale_params <- attributes(scale(Train_Set[, num_scale_cols]))[c("scaled:center", "scaled:scale")]

步骤3：用训练集的参数处理测试集，保留无需缩放的列

Test_Scale <- Test_Set %>%
  dplyr::mutate(
    dplyr::across(
      .cols = dplyr::all_of(num_scale_cols),
      .fns = ~scale(., 
                    center = scale_params[["scaled:center"]][dplyr::cur_column()], 
                    scale = scale_params[["scaled:scale"]][dplyr::cur_column()]) %>% as.vector
    )
  )

报错原因说明 #

你之前的写法报错是因为mutate_if的参数规则为：第一个参数是列的筛选条件，第二个参数是要应用的函数，你额外传入了!index属于参数传入错误，不符合函数定义规则。

如果使用旧版dplyr的scoped动词，也可以用mutate_at实现相同效果：

varnames <- c('Col6', 'Col7')
num_cols <- names(which(sapply(Train_Set, is.numeric)))
scale_cols <- setdiff(num_cols, varnames)

Train_Scale_Check <- Train_Set %>% 
  dplyr::mutate_at(.vars = scale_cols, .funs = ~scale(.) %>% as.vector)

内容的提问来源于stack exchange，提问作者Ray