R语言中apply结合scale函数丢失属性问题的排查与解决

嘿，这个问题我之前也碰到过！其实本质是apply()的工作机制和scale()的属性存储逻辑不匹配导致的，咱们来捋清楚：

一、问题根源 #

• 直接调用scale(trees)时，scale()是专门为矩阵/数据框设计的，处理完后会返回一个带全局属性的矩阵——把所有列的均值存在"scaled:center"，标准差存在"scaled:scale"，这些属性是绑定在整个矩阵上的。
• 但用apply(trees, 2, scale)的时候，事情就不一样了：apply()会把数据框拆成一列列的向量，对每个向量单独跑scale()，这时候每个scale()返回的是带自身属性的向量（每列的均值和标准差存在这个向量的属性里）。但apply()最后会把这些向量重新拼成一个矩阵，在这个拼接过程中，R会自动丢弃每个向量的独立属性——因为矩阵的属性系统和向量不一样，apply()不会帮你把每列的属性汇总到最终矩阵上。

你可以跑这段代码验证一下：

# 单独处理一列，看属性
single_col <- scale(trees$Girth)
attributes(single_col) # 能看到scaled:center和scaled:scale

# 用apply处理后看属性
test2 <- apply(trees, 2, scale)
attributes(test2) # 只有矩阵的维度属性，没了那些scale相关的

二、解决办法 #

这里有几个实用的方案，按需选就行：

方案1：用lapply()+do.call(cbind, ...)保留属性 #

lapply()会老老实实保留每列处理后的带属性向量，再用do.call(cbind, ...)把它们拼成矩阵，这样每列的属性都能保留下来：

test2_fixed <- do.call(cbind, lapply(trees, scale, center = TRUE, scale = TRUE))

# 检查属性，每列都有自己的scaled:center和scaled:scale
attributes(test2_fixed[, "Girth"])
# 也可以给整个矩阵加全局属性（和直接scale的结果一致）
attr(test2_fixed, "scaled:center") <- sapply(trees, mean)
attr(test2_fixed, "scaled:scale") <- sapply(trees, sd)

方案2：手动给apply()的结果补属性 #

如果已经用apply()得到了结果，不想重跑的话，可以手动计算每列的均值和标准差，再给矩阵加上属性：

test2 <- apply(trees, 2, scale, center = TRUE, scale = TRUE)

# 计算原始数据的均值和标准差
col_means <- sapply(trees, mean)
col_sds <- sapply(trees, sd)

# 给矩阵添加属性
attr(test2, "scaled:center") <- col_means
attr(test2, "scaled:scale") <- col_sds

# 现在再看属性就和直接scale的结果一样了
attributes(test2)

方案3：用tidyverse工具更省心 #

如果你平时用tidyverse的话，dplyr的mutate(across(everything(), ...))处理后会返回数据框，同时保留每列的scale属性：

library(dplyr)
test2_tidy <- trees %>% 
  mutate(across(everything(), scale, center = TRUE, scale = TRUE))

# 查看某列的属性
attributes(test2_tidy$Girth)

总结 #

核心就是apply()在拼接结果时会丢弃向量的属性，而scale()直接处理矩阵/数据框时会把属性存在矩阵层面。上面的方案要么绕过apply()的属性丢失问题，要么手动补全属性，都能解决你的需求。

内容的提问来源于stack exchange，提问作者Lampard