Como remover outliers de múltiplas colunas em r

Freqüentemente, você pode querer remover valores discrepantes de várias colunas de uma só vez em R.

Uma maneira comum de definir uma observação como outlier é se ela for 1,5 vezes o intervalo interquartil acima do terceiro quartil (Q3) ou 1,5 vezes o intervalo interquartil abaixo do primeiro quartil (Q1).

Usando essa definição, podemos usar as etapas a seguir para criar uma função simples para identificar valores discrepantes e, em seguida, aplicar essa função em várias colunas em um quadro de dados R.

Etapa 1: Crie um quadro de dados.

Vamos começar criando um quadro de dados em 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))

Etapa 2: Defina a função outlier.

A seguir, vamos definir uma função que pode identificar valores discrepantes e uma função que pode então remover valores discrepantes:

 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
}

Etapa 3: aplique a função outlier ao quadro de dados.

Finalmente, vamos aplicar esta função em várias colunas do quadro de dados para remover valores discrepantes:

 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

Você pode encontrar mais tutoriais de R aqui .