変数のスケールを0-100に変更する

PCA手法を使用して、ソーシャルキャピタルインデックスを作成しました。このインデックスは、正と負の両方の値で構成されます。このインデックスを0〜100のスケールに変換/変換して、解釈しやすくしたいと思います。最も簡単な方法を教えてください。

観測されたm i n o l dおよびm a x o l d値（またはこれらは値の事前に設定された潜在的な境界）を持つ変数（単変量分布）、m i n n e wからm a x nの範囲に再スケーリングできます次の式によるe w：$v$$min_{old}$$max_{old}$$min_{new}$$max_{new}$

$\frac{max_{new}-min_{new}}{max_{old}-min_{old}}\cdot (v-max_{old})+max_{new}$

または

$\frac{max_{new}-min_{new}}{max_{old}-min_{old}}\cdot (v-min_{old})+min_{new}$

Rにはrescale、scalesパッケージから既に利用可能な関数もあります。これは、まさにあなたが望むことと@AndrewTullochと@ttnphnsが説明したことを行います。

library(scales)
rescale(c(-10, -9, -5, 2, 6), to = c(0, 100)) ## Use scales:::rescale() if you have several packages loaded using the same function name
[1]   0.00   6.25  31.25  75.00 100.00

最初に、いくつかのサンプルデータを取得します。

x <- runif(20, -10, 10)

Rで機能する2つの関数を次に示します。

rescale <- function(x) (x-min(x))/(max(x) - min(x)) * 100
rescale(x)

または、他の変換を使用することもできます。たとえば、ロジット変換は@ondrejによって言及されました

plogis(x)*100

または、他の変換：

pnorm(x)*100
pnorm(x, 0, 100) * 100
punif(x, min(x), max(x))*100

ttnphnssの答えに追加するだけで、このプロセスを（たとえば）Pythonで実装するために、この関数はトリックを実行します。

from __future__ import division

def rescale(values, new_min = 0, new_max = 100):
    output = []
    old_min, old_max = min(values), max(values)

    for v in values:
        new_v = (new_max - new_min) / (old_max - old_min) * (v - old_min) + new_min
        output.append(new_v)

    return output

print rescale([1, 2, 3, 4, 5])
# [0.0, 25.0, 50.0, 75.0, 100.0]

インデックスを0〜100の間隔にバインドしないことをお勧めします。これにより、解釈が改善されず、むしろ難しくなります。インデックスの構成要素が負になる可能性がある場合、インデックスが負になる可能性があり、私の意見では、0-100の範囲の低い値よりも構成要素で何が起こっているかを反映しています。

For R with standard packages loaded, you may just use scale() from 'base' package:

x=c(2,4,8,16)
x.scaled = scale(x,FALSE,max(x))  # divide each value in x by max(x)
x.scaled = as.vector(x.scaled) 

use 'as.vector()' to retrieve the scaled x as vector.