Come rimuovere i valori anomali da più colonne in r

Spesso potresti voler rimuovere i valori anomali da più colonne contemporaneamente in R.

Un modo comune per definire un’osservazione come valore anomalo è se è 1,5 volte l’intervallo interquartile al di sopra del terzo quartile (Q3) o 1,5 volte l’intervallo interquartile al di sotto del primo quartile (Q1).

Utilizzando questa definizione, possiamo utilizzare i passaggi seguenti per creare una semplice funzione per identificare i valori anomali e quindi applicare questa funzione su più colonne in un frame di dati R.

Passaggio 1: creare un frame di dati.

Iniziamo creando un frame di dati in R:

 df <- data.frame(index=c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10),
                 var1=c(4, 4, 5, 4, 3, 2, 8, 9, 4, 5),
                 var2=c(1, 2, 4, 4, 6, 9, 7, 8, 5, 29),
                 var3=c(9, 9, 9, 5, 5, 3, 4, 5, 11, 34))

Passaggio 2: definire la funzione outlier.

Successivamente, definiamo una funzione in grado di identificare i valori anomali e una funzione che può quindi rimuovere i valori anomali:

 outliers <- function (x) {

  Q1 <- quantile(x, probs =.25)
  Q3 <- quantile(x, probs =.75)
  iqr = Q3-Q1

 upper_limit = Q3 + (iqr*1.5)
 lower_limit = Q1 - (iqr*1.5)

 x > upper_limit | x < lower_limit
}

remove_outliers <- function (df, cols = names (df)) {
  for (col in cols) {
    df <- df[!outliers(df[[col]]),]
  }
  df
}

Passaggio 3: applicare la funzione outlier al frame di dati.

Infine, applichiamo questa funzione su diverse colonne del data frame per rimuovere i valori anomali:

 remove_outliers(df, c('var1', 'var2', 'var3'))

  index var1 var2 var3
1 1 4 1 9
2 2 4 2 9
3 3 5 4 9
4 4 4 4 5
5 5 3 6 5
9 9 4 5 11

Puoi trovare altri tutorial su R qui .