我查看了一组数据并决定删除异常值会很好,异常值的定义是与平均值相差 2SD。
如果我有一组数据,比如 500 行具有 15 个不同的属性,我如何删除所有具有 1 个或多个属性的行,这些属性与平均值相差 2 个标准差?
有没有一种简单的方法可以使用 R 来做到这一点?谢谢,
我查看了一组数据并决定删除异常值会很好,异常值的定义是与平均值相差 2SD。
如果我有一组数据,比如 500 行具有 15 个不同的属性,我如何删除所有具有 1 个或多个属性的行,这些属性与平均值相差 2 个标准差?
有没有一种简单的方法可以使用 R 来做到这一点?谢谢,
可能有很多方法,并且可能会添加包来处理这个问题。我建议你先试试这个:
library(sos); findFn("outlier")
scale
这是一种方法,您可以使用可以标准化向量的函数来完成您的要求。
#create a data set with outliers
set.seed(10)
dat <- data.frame(sapply(seq_len(5), function(i)
sample(c(1:50, 100:101), 200, replace=TRUE)))
#standardize each column (we use it in the outdet function)
scale(dat)
#create function that looks for values > +/- 2 sd from mean
outdet <- function(x) abs(scale(x)) >= 2
#index with the function to remove those values
dat[!apply(sapply(dat, outdet), 1, any), ]
因此,在回答您的问题时,是的,有一种简单的方法可以将执行此操作的代码归结为 1 行代码:
dat[!apply(sapply(dat, function(x) abs(scale(x)) >= 2), 1, any), ]
我猜有一个包可以做到这一点,甚至更多。该sos
软件包非常棒(恕我直言),可以找到执行您想要的功能。
na.rm = TRUE, ...) {
qnt <- quantile(x, probs=c(.25, .75), na.rm = na.rm, ...)
H <- 1.5 * IQR(x, na.rm = na.rm)
y <- x
y[x < (qnt[1] - H)] <- NA
y[x > (qnt[2] + H)] <- NA
y
}