R语言ggplot2对 iris_subset 数据框中的两个变量分别进行零-均值规范化 (标准化) 和最小-最大规范化 原始数据 iris_subset 的散点图，颜色区分不同鸢尾花种类

在R语言中，使用ggplot2绘制散点图并进行数据预处理时，首先需要加载必要的库，比如`ggplot2`、`dplyr`（用于数据操作）和`scale_*_trans`（用于数据转换）。这里假设`iris_subset`是一个包含`Species`（鸢尾花种类）、两个自变量的数据框。

1. 首先，我们需要加载数据并查看前几行了解数据结构：

library(ggplot2)
library(dplyr)

# 加载数据集
data(iris)
iris_subset <- iris %>% select(Species, var1, var2) # 假设var1和var2是你想要可视化的两个变量

head(iris_subset)

2. 对数据进行标准化（zero-mean normalization 或z-score标准化）：

# 使用dplyr的mutate函数计算标准化后的数据
iris_subset_znorm <- iris_subset %>%
  mutate(var1_znorm = scale(var1, center = TRUE, scale = TRUE),
         var2_znorm = scale(var2, center = TRUE, scale = TRUE))

3. 对数据进行最小-最大规范化（min-max normalization）：

iris_subset_minmax <- iris_subset %>%
  mutate(var1_minmax = scale(var1, center = min(var1), scale = max(var1)),
         var2_minmax = scale(var2, center = min(var2), scale = max(var2)))

4. 然后你可以使用ggplot2分别创建这两个规范化后的散点图，并添加颜色分组：

# 标准化散点图
ggplot(iris_subset_znorm, aes(x=var1_znorm, y=var2_znorm, color=Species)) +
  geom_point() +
  labs(title="Z-score Normalized Scatter Plot", x="Normalized Var1", y="Normalized Var2")

# 最小-最大规范化散点图
ggplot(iris_subset_minmax, aes(x=var1_minmax, y=var2_minmax, color=Species)) +
  geom_point() +
  labs(title="Min-Max Normalized Scatter Plot", x="Normalized Var1", y="Normalized Var2")