1

我正在计算价格数据集的 Tukey 异常值检测算法。

问题是我需要按组计算它（同一数据集中包含的另一个变量），在aggregate我需要仅使用百分位数 5 到中位数和一个仅使用从中位数到百分位数 95 的数据。

据我所知，命令是这样的：aggregate(doc$x , by=list(doc$group ), FUN=mean, trim = 0.05)，如果在打印结果之前对称地修剪平均值，则从数据中取上下 5%（总共 10%）。我不知道如何进行接下来的步骤，我需要计算以中位数为分割点的上下均值，仍然保持上下 5% 的折扣。

medlow <- aggregate(doc1$`rp`, by=list(doc1$`Código Artículo`), FUN=mean,trim =c(0.05,0.5))
medup <- aggregate(doc1$`rp`, by=list(doc1$`Código Artículo`), FUN=mean,trim =c(0.5,0.95))

medtrunc <- aggregate(doc1$`rp`, by=list(doc1$`Código Artículo`), FUN=mean,trim = 0.05)

我希望输出是我需要的每个组的数字，但它去了

mean.default(X[[i]], ...) 中的错误：“trim”必须是长度为 1 的数字。

4

1 回答 1

0

首先，我认为您使用aggregate的trim是错误的方式。'trim' must be numeric of length one意味着您只能从分布的上下尾部排除特定部分的数据：

df = data.frame(
  gender = c(
    "male","male","male","male","female","female","female", "female"
    ),
  score = rnorm(8, 10, 2)
  )
aggregate(score ~ gender, data = df, mean, trim = 0.1)

  gender     score
1 female 11.385263
2   male  9.954465

对于基于中值的拆分并计算拆分数据的修剪均值，您可以MedianSplit通过一个简单的for循环创建一个新变量来轻松拆分数据框：

df$MedianSplit <- 0
for (i in 1:nrow(df)) {
  if (df$score[i] <= median(df$score)) {
    df$MedianSplit[i] = "lower" 
  } else {
    df$MedianSplit[i] = "upper"
  }
}

df



gender     score MedianSplit
1   male  7.062605       lower
2   male  9.373052       upper
3   male  6.592681       lower
4   male  7.298971       lower
5 female  7.795813       lower
6 female  7.800914       upper
7 female 12.431028       upper
8 female 10.661753       upper

然后，用于aggregate计算修剪后的均值：

对于低于中位数的数据（即, [0, 0.5]）

aggregate(
  score ~ gender, 
  data = df[ which(df$MedianSplit == "lower"), ], 
  mean, trim = 0.05
)

  gender    score
1 female 7.795813
2   male 6.984752

对于中位数以上的（即[0.5, 1]）：

聚合（得分〜性别，数据= df [其中（df$MedianSplit ==“上”），]，平均，修剪= 0.05）

  gender     score
1 female 10.297898
2   male  9.373052
于 2019-08-24T11:59:58.190 回答