我有一个包含25个变量的数据框。我想从中删除异常值。
我搜索过SO论坛,发现人们正在为不同的帖子提出自定义类型的解决方案。
是否有一些标准的R函数可以从数据中删除异常值?
以下是我从搜索中找到的两个函数。它们有多好或者是否有一些标准的同类更好的解决方案可以在任何包装中实现这一点。
或者我将一列作为参数传递的函数,它返回异常值删除的数据。
remove_outliers:Link 1
删除异常值 - 快速和脏:Link 2
编辑
我的数据框中的数据包含来自两个来源的连续数据,即天气和地面。从天气来看,预测因素是温度,湿度,风,雨,太阳辐射。从地面来看是地下水和土壤水分。我想找到土壤湿度和其他变量之间的关系。我正在使用不同的模型分析数据。现在我想在从数据中删除异常值之后查看结果。
编辑我使用和编辑了我在上面添加的参考教程之一的代码。当数据中存在一些异常值时,它工作正常。但是当没有时它会引发错误。如何纠正这一点。
这是代码:
outlier_rem<-Data_combined #data-frame with 25 var, few have outliers
#removong outliers from the column
outliers <- boxplot(outlier_rem$var1, plot=FALSE)$out
#print(outliers)
#ol<-outlier_rem[which(outlier_rem$var1 %in% outliers),]
ol<-outlier_rem[-which(outlier_rem$var1 %in% outliers),]
dim(ol)
boxplot(ol)
当一个返回0值时,这是错误消息。
> dim(ol)
[1] 0 25
> boxplot(ol)
no non-missing arguments to min; returning Infno non-missing arguments to max; returning -InfError in plot.window(xlim = xlim, ylim = ylim, log = log, yaxs = pars$yaxs) :
need finite 'ylim' values
我使用切比雪夫的不等式作为降低极值的标准。它具有在许多可能性分布中都适用的优点。该规则规定,不超过1 / k ^ 2的值可以超过平均值的k个标准偏差。例如:
> x <- rchisq(1000, 13)
>
> mean(x)
[1] 12.83906
> sd(x)
[1] 4.93234
>
> Ndesv <- 5
>
> x[x > (mean(x) + Ndesv * sd(x))]
[1] 38.7575
>
> Conf <- (1 - 1 / Ndesv^2)
> print(Conf)
[1] 0.96
>
希望它能帮到你。