R の複数の列から外れ値を削除する方法

多くの場合、R で複数の列から外れ値を一度に削除したい場合があります。

観測値を外れ値として定義する一般的な方法は、観測値が第 3 四分位 (Q3) より上の四分位範囲の 1.5 倍、または第 1 四分位 (Q1) より下の四分位範囲の 1.5 倍である場合です。

この定義を使用すると、次の手順で外れ値を識別する単純な関数を作成し、この関数を R データ フレームの複数の列に適用できます。

ステップ 1: データ フレームを作成します。

R でデータ フレームを作成することから始めましょう。

 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))

ステップ 2: 外れ値関数を定義します。

次に、外れ値を特定できる関数と、外れ値を削除できる関数を定義しましょう。

 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
}

ステップ 3: 外れ値関数をデータ フレームに適用します。

最後に、この関数をデータ フレームのいくつかの列に適用して、外れ値を削除しましょう。

 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

その他の R チュートリアルはここで見つけることができます。