数据框 R 的一列的离群值

Question

我正在尝试删除 r:

中数据集特定列的离群值（用 NA 代替）

dat2 <- read.csv("~/Rutas Grises/dat2.csv")

这是列摘要，它有 NA：summary(dat2$pct_desti_unicos_sms)

    Min.  1st Qu.   Median     Mean  3rd Qu.     Max.     NA's 
  0.2632   0.5587   1.0470   8.4050   2.5640 100.0000      673

定义阈值：f<-quantile(dat2$pct_desti_unicos_sms,3/4,na.rm = T)*1.5

我如何尝试移除异常值

ifelse(test = !is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f,
       yes = pct_desti_unicos_sms <- NA,
       no = pct_desti_unicos_sms <- dat2$pct_desti_unicos_sms)

但它转换为 NA 或 NAN 的所有内容：

dat2$pct_desti_unicos_sms<-as.numeric(dat2$pct_desti_unicos_sms)
summary(dat2$pct_desti_unicos_sms)


Min.   1st Qu.  Median  Mean 3rd   Qu.    Max.    NA's 
  NA      NA      NA     NaN       NA      NA    1911

Answer 1

问题出在 ifelse()

最终结果将是 2 种可能性中的一种，您应该使用 <- 传递给变量，最好的方法（在我看来）是这样的：

dat2$pct_desti_unicos_sms <- ifelse(
  test = !is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f,
  yes = NA,
  no = dat2$pct_desti_unicos_sms)

但是，如果你想保持原来的方式，你需要用 $ 运算符写 pct_desti_unicos_sms 是来自 dat2 的列，否则它会创建一个名为 pct_desti_unicos_sms 的新向量。这样做：

ifelse(test = !is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f,
       yes = dat2$pct_desti_unicos_sms <- NA,
       no = dat2$pct_desti_unicos_sms <- dat2$pct_desti_unicos_sms)

此外，因此您在 ifelse 中的 no 条件不会影响任何内容，您只需使用 if():

if(!is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f) {
  dat2$pct_desti_unicos_sms <- NA
}

数据框 R 的一列的离群值

Outliers of a column of a data frame R

r

replace

null

outliers

quantile