移除R中的离群值

Question

我查看了一组数据，并决定最好删除异常值，其中异常值的定义是远离均值2SD。

如果我有一组数据，例如500个具有15个不同属性的行，那么如何删除所有具有1个或多个属性且与平均值相差2个标准差的行？

有使用R执行此操作的简单方法吗？ 谢谢，

Answer 1

可能有很多方法，并且可能会添加一些软件包来处理此问题。 我建议您先尝试一下：

library(sos); findFn("outlier")

这是一种使用可以使向量标准化的scale函数来完成您所要求的方法。

#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，有一种简单的方法可以将执行此操作的代码简化为1行代码：

dat[!apply(sapply(dat, function(x) abs(scale(x)) >= 2), 1, any), ]

而且我猜想有一个软件包可以做到这一点，甚至更多。 sos软件包非常棒（IMHO），可用于查找执行所需功能的函数。

Answer 2

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
}