你如何删除 R 中的异常值？

Question

我目前正在尝试以一种非常简单的方式删除 R 中的异常值。我知道您可以为此自行创建一些功能，但我想对这个简单的代码进行一些输入，以及为什么它似乎不起作用？

outliers <- boxplot(okt$pris)$out

okt_no_out <- okt[-c(outliers),]

boxplot(okt_no_out$pris)

第一行我创建了一个带有离群值的向量，第二行我创建了一个新的数据框，省略了该向量中的值。但是......当我检查新数据框时，750 个异常值中只有大约 400 个被删除？

矢量离群值包含大约 750 行，但是执行此操作时它只删除了大约一半....

这些简单的代码行不应该以非常方便的方式去除异常值吗？

Answer 1

boxplot$out 正在返回离群值而不是离群值的位置。所以 okt[-c(outliers),] 正在删除数据系列中的随机点，其中一些是异常值，而另一些则不是。

您可以使用箱线图统计信息的输出来检索上下胡须的末端，然后使用这些值过滤您的数据集。请参阅以下示例：

#test data
testdata<-iris$Sepal.Width

#return boxplot object
b<-boxplot(testdata)

#find extremes from the boxplot's stats output
lowerwhisker<-b$stats[1]
upperwhisker<-b$stats[5]

#remove the extremes
testdata<-testdata[testdata>lowerwhisker & testdata<upperwhisker]

#replot
b<-boxplot(testdata)

Answer 2

在您的代码中，c(outliers) 是离群值的向量，而不是行号；因此，当您将它添加到 [ ] 中以进行索引时，它不会删除异常值所在的行。另一方面，-c(which(okt$pris %in% outliers)) returns 异常值所在的行号。希望这对您有所帮助！

#filter outliers
outliers <- boxplot(okt$pris)$out

#drop the rows containing outliers
okt_no_out <- okt[-c(which(okt$pris %in% outliers)),]

#boxplot without outliers
boxplot(okt_no_out$pris)

你如何删除 R 中的异常值？

How do you remove outliers in R?

r

outliers

boxplot