[英]Removing outliers from groups using data.table in R
我有一个包含组列的data.table对象。 我正在尝试从每个组中删除离群值,但是我无法为此提出一个不错的解决方案。 我的data.table可以使用简单的脚本构建:
col1 <- rnorm(30, mean = 5, sd = 2)
col2 <- rnorm(30, mean = 5, sd = 2)
id <- seq(1, 30)
group <- sample(4, 30, replace = TRUE)
dt <- data.table(id, group, col1, col2)
我一直在尝试通过组变量拆分data.frame,但是,这太乱了。 如何在没有太多数据转换的情况下“轻松”地从data.table中的每个组中删除前n%个离群值?
假设您要根据col1
和col2
基于95%的分位数删除异常值:
dt_filt <- dt[,
.SD[
((col1 < quantile(col1, probs = 0.95)) &
(col2 < quantile(col2, probs = 0.95)))
], by = group
]
它基本上根据group
列拆分数据,计算阈值,然后对数据进行子集以仅保留col1
和col2
低于阈值的行。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.