Jak usunąć wartości odstające z wielu kolumn w r

Często możesz chcieć usunąć wartości odstające z wielu kolumn jednocześnie w R.

Powszechnym sposobem definiowania obserwacji jako wartości odstającej jest sytuacja, gdy jest ona 1,5-krotna rozstępu międzykwartylowego powyżej trzeciego kwartyla (Q3) lub 1,5-krotna rozstępu międzykwartylowego poniżej pierwszego kwartyla (Q1).

Korzystając z tej definicji, możemy wykonać następujące kroki, aby utworzyć prostą funkcję identyfikującą wartości odstające, a następnie zastosować tę funkcję w wielu kolumnach w ramce danych R.

Krok 1: Utwórz ramkę danych.

Zacznijmy od utworzenia ramki danych w 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))

Krok 2: Zdefiniuj funkcję odstającą.

Następnie zdefiniujmy funkcję, która może zidentyfikować wartości odstające i funkcję, która może następnie usunąć wartości odstające:

 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
}

Krok 3: Zastosuj funkcję wartości odstającej do ramki danych.

Na koniec zastosujmy tę funkcję do kilku kolumn ramki danych, aby usunąć wartości odstające:

 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

Więcej samouczków dotyczących języka R można znaleźć tutaj .