7

我有离散 x 值的数据，例如

x = c(3,8,13,8,13,3,3,8,13,8,3,8,8,13,8,13,8,3,3,8,13,8,13,3,3)
y = c(4,5,4,6,7,20,1,4,6,2,6,8,2,6,7,3,2,5,7,3,2,5,7,3,2);

如何生成一个新的 x 和 y 值数据集，其中我消除了 y 值比该箱的平均值高 2 个标准差的值对。例如，在 x=3 bin 中，20 比均值高 2 个 SD 多，因此应删除数据点。

4

3 回答 3

7

对我来说，你想要这样的东西：

 by(dat,dat$x, function(z) z$y[z$y < 2*sd(z$y)])
dat$x: 3
[1] 4 1 6 5 7 3 2
--------------------------------------------------------------------------------------------------------------- 
dat$x: 8
[1] 4 2 2 2 3
--------------------------------------------------------------------------------------------------------------- 
dat$x: 13
[1] 3 2

评论后编辑：

 by(dat,dat$x, 
           function(z) z$y[abs(z$y-mean(z$y))< 2*sd(z$y)])

编辑

我稍微改变了by函数来获取 x 和 y，然后我调用rbindusingdo.call

   do.call(rbind,by(dat,dat$x,function(z) {
                              idx <- abs(z$y-mean(z$y))< 2*sd(z$y)
                              z[idx,]
            }))

或plyr在单次通话中使用

 ddply(dat,.(x),function(z) {
                 idx <- abs(z$y-mean(z$y))< 2*sd(z$y)
                  z[idx,]})
于 2013-03-01T15:00:09.977 回答
2

像这样的东西？

newdata <- cbind(x,y)[-which(y>2*sd(y)), ]

或者你的意思是这样的？

Data <- cbind(x,y)
Data[-which(sd(y)>rowMeans(Data)), ]
于 2013-03-01T14:50:02.250 回答
2

您可以使用tapply此功能，但您将丢失原始订单。

tapply(y,x,function(z) z[abs(z-mean(z))<2*sd(z)])
$`3`
[1] 4 1 6 5 7 3 2

$`8`
 [1] 5 6 4 2 8 2 7 2 3 5

$`13`
[1] 4 7 6 6 3 2 7
于 2013-03-01T15:08:46.593 回答