如何从用ggplot（）制作的QQ绘图图中删除离群值？

Question

我有一个二维数据集（例如x和y列）。 我使用以下函数来绘制此数据的QQ图。

# Creating a toy data for presentation

df = cbind(x = c(1,5,8,2,9,6,1,7,12), y = c(1,4,10,1,6,5,2,1,32))

# Plotting the QQ-plot

df_qq = as.data.frame(qqplot(df[,1], df[,2], plot.it=FALSE))

ggplot(df_qq) + 
   geom_point(aes(x=x, y=y), size = 2) + 
   geom_abline(intercept = c(0,0), slope = 1)

那就是结果图：

我的问题是，如何避免绘制最后一点（即（12,32））？ 我宁愿不手动删除它，因为我有几个这样的数据对，并且每个数据对都有类似的异常值。 我想做的是编写一个代码，以某种方式识别距离45度线太远的点，并从df_qq中消除它们（例如，如果它比到45度线的平均距离远5倍，则可以消除）。 我的主要目的是使图形更易于阅读。 如果无法消除离群值，则QQ图的更规则部分会占据图形的一小部分，这使我无法直观地评估除离群值之外的两个向量的相似性。

我将不胜感激任何帮助。

Answer 1

有一个CRAN包referenceIntervals ，它使用Cook的距离来检测离群值。 通过将其应用于df_qq$y的值，可以为要删除的df_qq提供索引。

library(referenceIntervals)

out <- cook.outliers(df_qq$y)$outliers
i <- which(df_qq$y %in% out)

ggplot(df_qq[-i, ]) + 
  geom_point(aes(x=x, y=y), size = 2) + 
  geom_abline(intercept = c(0,0), slope = 1)

编辑。

根据OP的评论，

但据我了解，此功能并未考虑x和y之间的关系，

也许以下功能才是删除异常值所需要的功能，除非它们在向量之一中是异常值，而在两个向量中都不是。

cookOut <- function(X){
  out1 <- cook.outliers(X[[1]])$outliers
  out2 <- cook.outliers(X[[2]])$outliers
  i <- X[[1]] %in% out1
  j <- X[[2]] %in% out2
  w <- which((!i & j) | (i & !j))
  if(length(w)) X[-w, ] else X
}

使用第二个数据集（注释中的一个）进行测试。
额外的向量id只是为了简化构面。

df1 <- data.frame(x = c(1,5,8,2,9,6,1,7,12), y = c(1,4,10,1,6,5,2,1,32))
df2 <- data.frame(x = c(1,5,8,2,9,6,1,7,32), y = c(1,4,10,1,6,5,2,1,32))

df_qq1 = as.data.frame(qqplot(df1[,1], df1[,2], plot.it=FALSE))
df_qq2 = as.data.frame(qqplot(df2[,1], df2[,2], plot.it=FALSE))

df_qq_out1 <- cookOut(df_qq1)
df_qq_out2 <- cookOut(df_qq2)
df_qq_out1$id <- "A"
df_qq_out2$id <- "B"
df_qq_out <- rbind(df_qq_out1, df_qq_out2)

ggplot(df_qq_out) + 
  geom_point(aes(x=x, y=y), size = 2) + 
  geom_abline(intercept = c(0,0), slope = 1) +
  facet_wrap(~ id)