r - 为每个组替换异常值

标签 r outliers

我正在尝试使用 by 函数根据组变量替换数据框中许多变量的离群值。 以下是我的努力。但是,我得到一个错误。

# R code:
library(tidyverse)
library(dplyr)
# outlier function definition
my_outlier <- function(x){
 stats <- boxplot.stats(unlist(x))
 outlier <- stats$out
 outlier_idx <- which(unlist(x) %in% outlier)
 max <- max(x[-outlier_idx]); min <- min(x[-outlier_idx])
 x <- ifelse(x>max, max,ifelse(x < min, min, x) ) 
 return(x)
}
# use the above defined func to  substitue outliers of 1 variable in a dataframe, according to a Group variable.
group_data <- as_tibble(data.frame(x=c(runif(10),2.5,-2.3,runif(10,1,2),3.5,-1.5), group=c(rep(1,12),rep(2,12)) ) )

View(group_data)
by(group_data$x, group_data$group, my_outlier, simplify=FALSE)
# use the above defined func to  substitue outliers of 1+ variable in a dataframe, according to a Group variable.    
group_datas <- as_tibble(data.frame(x=c(runif(10),2.5,-2.3,runif(10,1,2),3.5,-1.5), 
                               y=c(runif(10,2,3),4,-1,runif(10,3,4),6,-1),
                               group=c(rep(1,12),rep(2,12)) ) )
by(group_data[,1:2], group_data$group, my_outlier)

当根据组变量使用我定义的函数替换数据框中 1+ 个变量的离群值时,出现错误。

我不知道我的代码的哪一部分导致了错误。

最佳答案

对于多变量异常值,boxplot.stats 将不起作用,您可以使用 outliers 包中的 outlier 测试:

library(outliers)
my_outlier2 <- function(x, plot=TRUE){
  x <- as.matrix(x)
  outlier <- rbind(outlier(x),outlier(x,opposite=TRUE))
  outlier_idx <- which(duplicated(rbind(x, outlier), fromLast=TRUE))#which(apply(mapply(x, outlier, FUN="=="), MARGIN=1, FUN=all))
  if (plot) { # if 2-D data, visualize
    plot(x[,1], x[,2], pch=19, xlab='x', ylab='y')
    points(x[outlier_idx,1], x[outlier_idx,2], col='red', pch=8, cex=2)
    legend('topleft', legend=c('non-outlier', 'outlier'), pch=c(19, 8), col=c('black', 'red'))
  }
  x <- x[-outlier_idx,]
  return(x)
}

# use the above defined func to  substitue outliers of 1+ variable in a dataframe, according to a Group variable.    
group_datas <- as_tibble(data.frame(x=c(runif(10),2.5,-2.3,runif(10,1,2),3.5,-1.5), 
                                    y=c(runif(10,2,3),4,-1,runif(10,3,4),6,-1),
                                    group=c(rep(1,12),rep(2,12)) ) )
by(group_datas[,1:2], group_datas$group, my_outlier2)

enter image description here

关于r - 为每个组替换异常值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42197441/

相关文章:

python - 使用滚动标准差检测 Pandas 数据框中的异常值

R 语言 - 将数据按范围排序;平均;忽略异常值

python - 在一列内检测行范围内的异常值

r - 同时对多列使用 dplyr 进行条件变异

python - 如何用 Python 中的第 95 和第 5 个百分位数替换异常值?

r - 使用 R 线性回归进行机器学习

r - 合并重复的列并连接列名

statistics - 从一组数据中排除异常值的有效且准确的算法是什么?

r - 尝试在 R 中传播数据框

r - 为什么 foreach 返回列表的列表