R 如果从数据帧中的每一列检测到异常值（例如99%分位数），则删除整行

假设这是我的数据帧

MyData <- data.frame(
+     X = sample(10:100, 21),
+     Y = sample(10:100, 21),
+     Z = sample(10:100, 21)
+ )

---

但是，如果检测到一个高于此阈值的值，则删除整行—并且每个列都是如此—对我来说不起作用。任何解决方案–无论是否使用

dplyr

，我们都将不胜感激。

以下是使用

cut

的解决方案：

set.seed（123）
MyData X Y Z
#> 1 36 73 47
#> 2 80 67 43
#> 3 46 98 23
#> 4 87 99 22
应用（MyData，2，分位数，.95）
#>X Y Z
#> 97 98 83
tmp1 1 36 73 47
#> 2 80 67 43
#> 3 46 98 23
#>4 87 NA 22
标题（不适用（MyData），4）
#>X Y Z
#> 1 36 73 47
#> 2 80 67 43
#> 3 46 98 23
#> 5 91 71 30
这里有一个使用
cut
的解决方案：


set.seed（123）
MyData X Y Z
#> 1 36 73 47
#> 2 80 67 43
#> 3 46 98 23
#> 4 87 99 22
应用（MyData，2，分位数，.95）
#>X Y Z
#> 97 98 83
tmp1 1 36 73 47
#> 2 80 67 43
#> 3 46 98 23
#>4 87 NA 22
标题（不适用（MyData），4）
#>X Y Z
#> 1 36 73 47
#> 2 80 67 43
#> 3 46 98 23
#> 5 91 71 30
您可以与分位数进行比较，得到一个TRUE和FALSE矩阵，然后将没有列包含TRUE的行子集

MyData[!apply(apply(MyData, 2, function(x) x > quantile(x, 0.99)), 1, any), ]

数据：

set.seed（26L）
MyData您可以将其与分位数进行比较，得到一个TRUE和FALSE的矩阵，然后对没有包含TRUE的列的行进行子集

MyData[!apply(apply(MyData, 2, function(x) x > quantile(x, 0.99)), 1, any), ]

数据：

set.seed（26L）
MyData我们可以使用
filter\u all
from
dplyr
为每一列筛选条件行
all_vars
表示所有列都需要满足条件

set.seed(123)
MyData <- data.frame(
  X = sample(10:100, 21),
  Y = sample(10:100, 21),
  Z = sample(10:100, 21)
)

head(MyData)
#   X  Y  Z
# 1 36 73 47
# 2 80 67 43
# 3 46 98 23
# 4 87 99 22
# 5 91 71 30
# 6 13 56 50

library(dplyr)

MyData2 <- MyData %>% filter_all(all_vars(. <= quantile(., 0.99, na.rm = TRUE)))

head(MyData2)
#    X  Y  Z
# 1 36 73 47
# 2 80 67 43
# 3 46 98 23
# 4 91 71 30
# 5 13 56 50
# 6 54 60 32

set.seed（123）
MyData我们可以使用
filter\u all
from
dplyr
为每一列筛选条件行
all_vars
表示所有列都需要满足条件

set.seed(123)
MyData <- data.frame(
  X = sample(10:100, 21),
  Y = sample(10:100, 21),
  Z = sample(10:100, 21)
)

head(MyData)
#   X  Y  Z
# 1 36 73 47
# 2 80 67 43
# 3 46 98 23
# 4 87 99 22
# 5 91 71 30
# 6 13 56 50

library(dplyr)

MyData2 <- MyData %>% filter_all(all_vars(. <= quantile(., 0.99, na.rm = TRUE)))

head(MyData2)
#    X  Y  Z
# 1 36 73 47
# 2 80 67 43
# 3 46 98 23
# 4 91 71 30
# 5 13 56 50
# 6 54 60 32

set.seed（123）
MyData使用
cut
和计算出的分位数作为
break
参数。高于哪个阈值？@Sam：在上面的示例中，我使用了.99。类似的。使用
cut
和计算出的分位数作为
break
参数。超过哪个阈值？@Sam：在上面的示例中，我使用了.99。差不多吧。谢谢。那真的很好。我的错：我不够清楚。我编辑了我的问题，因为我想删除整行。因此，在您的情况下，
>4 87 NA 22
必须从df中完成。有什么想法吗？@AmirRahbaran
na.omit（MyData）
会删除带有
na
.Thx的行，谢谢你的回答。投票支持你的答案和所有评论。我选择@www作为选择的答案，因为它用一行code.Thx解决了这个问题。那真的很好。我的错：我不够清楚。我编辑了我的问题，因为我想删除整行。因此，在您的情况下，
>4 87 NA 22
必须从df中完成。有什么想法吗？@AmirRahbaran
na.omit（MyData）
会删除带有
na
.Thx的行，谢谢你的回答。投票支持你的答案和所有评论。我选择@www作为选择的答案，因为它用一行代码解决了这个问题。Thx很多，我不太清楚
filter\u all
是如何工作的。一个很好的用例。Thx很多，我不太清楚
filter\u all
是如何工作的。一个好的用例。