如何不使用均值、最值等参数重新缩放非对称分布向量

嘿，我来帮你搞定这个问题！你想要的是一个基于指定点的线性映射，完全不需要依赖分布的最大/最小值参数，咱们一步步拆解：

核心思路：构造线性变换函数 #

我们需要找到一个线性函数 ( y = a \times x + b )，满足两个映射规则：

• 当原数值 ( x=0 ) 时，新数值 ( y=100 )
• 当原数值 ( x=2 ) 时，新数值 ( y=15 )

推导这个函数非常简单：

1. 代入第一个规则：( 100 = a \times 0 + b ) → 直接得出 ( b=100 )
2. 代入第二个规则：( 15 = a \times 2 + 100 ) → 解出 ( a = (15-100)/2 = -42.5 )

最终的变换公式就是：( y = -42.5x + 100 )

为什么你的之前尝试没达到预期？ #

• scale(x)*15+100：scale()的作用是标准化数据（减去均值、除以标准差），后续的缩放平移是基于标准化后的结果，完全不是你要的“指定点映射”，所以生成的密度图只是原分布的标准化拉伸，和目标映射无关。
• scales::rescale(x, from=c(0,2), to=c(100,15))：其实这个方法是可行的！rescale的逻辑是把from区间的端点对应到to的端点——你设置to=c(100,15)刚好是反向映射，所以0→100、2→15的规则是成立的。可能你觉得结果不对，是因为原数据里有超出0-2的部分（比如你生成的x包含2.5附近的数值），这些值会被映射到15以下，这和手动推导的线性变换结果完全一致，都是全局的线性映射。

完整实现代码 #

这里提供两种可行的变换方式，结果完全一致：

# 生成原非对称分布数据
x <- c(rnorm(100, 0, 1), rnorm(100, 2.5, 0.5))

# 方法1：手动构造线性变换（最直观，完全符合需求）
y_manual <- -42.5 * x + 100

# 方法2：使用scales::rescale（简洁实现）
library(scales)
y_rescale <- rescale(x, from = c(0, 2), to = c(100, 15))

# 画图对比三种分布
par(mfrow = c(1, 3))
# 原分布：双峰非对称，一个峰在0附近，一个在2.5附近
plot(density(x), main = "原非对称分布密度图", xlab = "原数值x")
# 手动变换后：原0附近的峰对应100，原2.5附近的峰对应-6.25
plot(density(y_manual), main = "手动线性变换后密度图", xlab = "新数值y")
# rescale变换后：和手动变换结果完全一致
plot(density(y_rescale), main = "rescale变换后密度图", xlab = "新数值y")

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