R 使用ggplot以有效的方式显示异常值

我拥有的实际数据（和目标）不同，但出于复制目的，我使用了泰坦尼克号数据集。我的目标是为每个班级和性别创建一个年龄异常值（1倍SD）图

因此，我做的第一件事是计算sd值和范围：

library(dplyr)
library(ggplot2)

#Load titanic set
titanic <- read.csv("titanic_total.csv")
group <- group_by(titanic, Pclass, Sex)

#Create outlier ranges
summarise <- summarise(group, mean=mean(Age), sd=sd(Age))
summarise <- as.data.frame(summarise)
summarise$outlier_max <- summarise$mean + summarise$sd
summarise$outlier_min <- summarise$mean - summarise$sd

#Create a key
summarise$key <- paste0(summarise$Pclass, summarise$Sex)

#Create a key for the base set
titanic$key <- paste0(titanic$Pclass, titanic$Sex)

total_data <- left_join(titanic, summarise, by = "key")
total_data$outlier <- 0

---

然而，这似乎不是解决这个问题的最简单方法。关于如何加入最佳实践以提高效率的任何想法。

减少代码并减少重复性的一种方法是，借助管道将所有代码整合到一个过程中。与其用值创建摘要，不如将其与数据重新连接，基本上可以在一个

mutate

步骤中完成：

titanic %>% 
  mutate(Pclass = as.factor(Pclass)) %>% 
  group_by(Pclass, Sex) %>% 
  mutate(Age.mean = mean(Age), 
         Age.sd = sd(Age), 
         outlier.max = Age.mean + Age.sd, 
         outlier.min = Age.mean - Age.sd, 
         outlier = as.factor(ifelse(Age > outlier.max, 1, 
                                    ifelse(Age < outlier.min, 1, 0)))) %>% 
  ggplot() +
    geom_point(aes(Age, Pclass, colour = outlier)) +
    facet_grid(.~Sex)

加号： 此外，您甚至可以进一步减少代码，具体取决于您希望以何种方式保留哪些变量：

titanic %>% 
    group_by(Pclass, Sex) %>% 
    mutate(outlier = as.factor(ifelse(Age > (mean(Age) + sd(Age)), 1, 
                                      ifelse(Age < (mean(Age) - sd(Age)), 1, 0)))) %>% 
    ggplot() +
    geom_point(aes(Age, as.factor(Pclass), colour = outlier)) +
    facet_grid(.~Sex)

泰坦尼克号%>%
分组依据（P类，性别）%>%
突变（离群值=as.factor（如果其他（年龄）>（平均（年龄）+sd（年龄）），1，
ifelse（年龄<（平均（年龄）-sd（年龄）），1,0）））%>%
ggplot（）+
几何点（aes（年龄、as.因子（Pclass）、颜色=异常值））+
平面网格（.~Sex）

您可以用矢量化的

ifelse

替换

的
循环：
总数据$outlier outlier\u max |年龄

ggplot(total_data, aes(x = Age, y = Pclass.x, colour = outlier)) + geom_point() +
 facet_grid(. ~Sex.x)

titanic %>% 
  mutate(Pclass = as.factor(Pclass)) %>% 
  group_by(Pclass, Sex) %>% 
  mutate(Age.mean = mean(Age), 
         Age.sd = sd(Age), 
         outlier.max = Age.mean + Age.sd, 
         outlier.min = Age.mean - Age.sd, 
         outlier = as.factor(ifelse(Age > outlier.max, 1, 
                                    ifelse(Age < outlier.min, 1, 0)))) %>% 
  ggplot() +
    geom_point(aes(Age, Pclass, colour = outlier)) +
    facet_grid(.~Sex)

...
rowwise() %>% 
    mutate(outlier = as.factor(as.numeric(between(Age, outlier.min, outlier.max)))) %>% ...

titanic %>% 
    group_by(Pclass, Sex) %>% 
    mutate(outlier = as.factor(ifelse(Age > (mean(Age) + sd(Age)), 1, 
                                      ifelse(Age < (mean(Age) - sd(Age)), 1, 0)))) %>% 
    ggplot() +
    geom_point(aes(Age, as.factor(Pclass), colour = outlier)) +
    facet_grid(.~Sex)