如何使用data.table库对数据各列按列总和进行归一化？

嘿，用data.table来完成这个列归一化需求其实非常高效，而且写法也很简洁，给你两种实用的实现方式：

首先，先确认我们的原始数据加载：

library(data.table)
dt <- fread("~/data.csv")

原始数据结构如下：

chr gene_id S1 S2 S3 S4
chr1 a 30 50 70 90
chr2 b 40 60 80 100
chr3 c 50 70 90 120
chr4 d 60 80 100 130

方法1：原地修改原数据表（推荐，效率最高） #

data.table的:=操作符可以直接在原数据上更新列，不用复制整个数据集，非常适合处理大数据：

# 指定要处理的数值列（S1到S4），对每列执行"除以该列总和"的操作
dt[, c("S1", "S2", "S3", "S4") := lapply(.SD, function(x) x / sum(x)), .SDcols = c("S1", "S2", "S3", "S4")]

• .SD是data.table里的特殊变量，代表我们通过.SDcols指定的列子集（这里就是S1-S4）
• lapply(.SD, ...)会遍历每一列，对每个列计算其元素与列总和的比值
• 执行后，原dt的S1-S4列就直接变成归一化后的结果了

方法2：生成新的归一化数据表（不修改原数据） #

如果你不想改动原始数据，想要保留一份副本，可以这样写：

# 生成新表，保留chr和gene_id，同时计算归一化后的数值列
dt_normalized <- dt[, .(
  chr = chr,
  gene_id = gene_id,
  S1 = S1 / sum(S1),
  S2 = S2 / sum(S2),
  S3 = S3 / sum(S3),
  S4 = S4 / sum(S4)
)]

这种写法更直观，每一列的归一化逻辑都清晰展示出来，适合列数不多的情况。

验证结果 #

你可以随便检查某一列的总和，比如sum(dt$S1)，结果应该接近1（因为浮点运算可能有微小误差），这就说明归一化成功了。

内容的提问来源于stack exchange，提问作者user7755336