将变量的小数位数更改为0-100

我使用PCA技术构建了社会资本指数。该指数包括正值和负值。我想将此索引转换/转换为0-100比例，以便于解释。请建议我这样做的最简单方法。

可以通过以下公式将具有观察到的和值（或这些值可以预设为值的潜在边界）的任何变量（单变量分布）重新缩放为到的范围：m i n o l d m a x o l d m i n n n e w m a x n e $v$$min_{old}$$max_{old}$$min_{new}$$max_{new}$

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

要么

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

对于R rescale，scales包中已经有可用的函数，它可以完全满足您的要求以及@AndrewTulloch和@ttnphns描述的内容：

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

首先，让我们获取一些示例数据：

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

这是两个可以在R中使用的函数

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

或者，您可以使用其他转换。例如，@ ondrej提到了logit转换

plogis(x)*100

或其他转换：

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

只需添加ttnphnss的答案，以在Python中实现此过程（例如），此函数就可以解决问题：

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]

我建议不要将索引绑定到0-100间隔，因为它不能改善解释，但是会增加难度。如果指数成分数可以为负，则该指数可能变为负数，在我看来，它比0-100范围内的一些低值更好地反映了成分市场的状况。

对于加载了标准软件包的R，您可以仅使用'base'软件包中的scale（）：

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) 

使用'as.vector（）'检索缩放后的x作为矢量。