替换R中整个数据集中的异常值（基于Tukey和分类变量的每个级别）

如何检测基于分类变量的所有数据集（所有连续列）的异常值，并用NA替换它们。我想使用Tukey技术，但重点是分类变量的每个级别。例如，根据

mtcars$am的每个级别，将
mtcars[，-c（8,9）]
的异常值替换为NA
或者，我如何修改此代码以适用于am的每个级别中的所有变量

lapply(mtcars, function(x){sort(outlier_values<- boxplot.stats(x)$out)})

lappy（mtcars，函数（x）{sort（离群值）}
编辑：如注释中所述，异常值现在为1.5*IQR

这会将am列中每个组的qsec列中的异常值替换为NA。这是通过首先构造一个名为limits的数据帧来实现的，该数据帧包含每个am组的下限和上限。然后，该数据帧与原始数据帧连接，并过滤异常值

library(dplyr)


limits = data.frame(am = unique(mtcars$am))
limits$lower = lapply(limits$am, function(x) quantile(mtcars$qsec[mtcars$am==x],0.25) - 1.5 * (quantile(mtcars$qsec[mtcars$am==x],0.75)- quantile(mtcars$qsec[mtcars$am==x],0.25)) )
limits$upper = lapply(limits$am, function(x) quantile(mtcars$qsec[mtcars$am==x],0.75) + 1.5 * (quantile(mtcars$qsec[mtcars$am==x],0.75)- quantile(mtcars$qsec[mtcars$am==x],0.25)) )

df = mtcars %>% left_join(limits)
df$qsec = ifelse(df$qsec< df$lower | df$qsec>df$upper,NA,df$qsec) 
df = df %>% select(-upper,-lower)

库（dplyr）
限制=数据帧（am=唯一（mtcars$am））
限值$lower=lapply（限值$am，函数（x）分位数（mtcars$qsec[mtcars$am==x]，0.25）-1.5*（分位数（mtcars$qsec[mtcars$am==x]，0.75）-分位数（mtcars$qsec[mtcars$am==x]，0.25）））
限值$upper=lapply（限值$am，函数（x）分位数（mtcars$qsec[mtcars$am==x]，0.75）+1.5*（分位数（mtcars$qsec[mtcars$am==x]，0.75）-分位数（mtcars$qsec[mtcars$am==x]，0.25））
df=mtcars%>%左联合（限制）
df$qsec=ifelse（df$qsecdf$lower，NA，df$qsec）
df=df%>%选择（-upper，-lower）

a参数可用于确定什么比例被视为异常值

编辑：如注释中所述，异常值现在为1.5*IQR

这会将am列中每个组的qsec列中的异常值替换为NA。这是通过首先构造一个名为limits的数据帧来实现的，该数据帧包含每个am组的下限和上限。然后，该数据帧与原始数据帧连接，并过滤异常值

library(dplyr)


limits = data.frame(am = unique(mtcars$am))
limits$lower = lapply(limits$am, function(x) quantile(mtcars$qsec[mtcars$am==x],0.25) - 1.5 * (quantile(mtcars$qsec[mtcars$am==x],0.75)- quantile(mtcars$qsec[mtcars$am==x],0.25)) )
limits$upper = lapply(limits$am, function(x) quantile(mtcars$qsec[mtcars$am==x],0.75) + 1.5 * (quantile(mtcars$qsec[mtcars$am==x],0.75)- quantile(mtcars$qsec[mtcars$am==x],0.25)) )

df = mtcars %>% left_join(limits)
df$qsec = ifelse(df$qsec< df$lower | df$qsec>df$upper,NA,df$qsec) 
df = df %>% select(-upper,-lower)

库（dplyr）
限制=数据帧（am=唯一（mtcars$am））
限值$lower=lapply（限值$am，函数（x）分位数（mtcars$qsec[mtcars$am==x]，0.25）-1.5*（分位数（mtcars$qsec[mtcars$am==x]，0.75）-分位数（mtcars$qsec[mtcars$am==x]，0.25）））
限值$upper=lapply（限值$am，函数（x）分位数（mtcars$qsec[mtcars$am==x]，0.75）+1.5*（分位数（mtcars$qsec[mtcars$am==x]，0.75）-分位数（mtcars$qsec[mtcars$am==x]，0.25））
df=mtcars%>%左联合（限制）
df$qsec=ifelse（df$qsecdf$lower，NA，df$qsec）
df=df%>%选择（-upper，-lower）

a参数可用于确定什么比例被视为离群值。
非常感谢，我有一个问题，我想根据Tukey 1.5*IQR为每列和分类变量的每一级查找离群值。1.我如何修改代码以将其更改为1.5*IQR。如何修改代码以查找Tukey离群值在我的真实数据集中，我有19列，我想用NA替换每列的Tukey异常值。修改Question以使用1.5*IQR。你可以很容易地编写一个覆盖所有列的for循环。让我知道你是否能够这样做。如果你觉得我的答案有用，你能接受吗？Thanks！非常感谢，当然，我会接受你的解决方案。只有两个问题。我是R的新手，所以我想知道如何修改你的代码以处理缺少的观察，因为我有太多缺少的观察。还有关于让循环函数对所有列都起作用的建议。请参阅此处：处理缺少的值（完整的cases语句将有所帮助）。可以像for（col in colnames（df））{function here}一样构造for循环。在我引用$qsec的任何地方，你都应该指向[col]。希望这会有所帮助！@Florian Maas，你的意思是，（col in colnames（mtcars））{limits=data.frame（am=unique（mtcars$am））limits$lower=lappy（limits$am，function（x）quantile（mtcars$col[mtcars$am==x]，0.25）-1.5*（分位数（mtcars$col[mtcars$am==x]，0.75）-分位数（mtcars$col[mtcars$am==x]，0.25）））限值$upper=lapply（限值$am，函数（x）分位数（mtcars$col[mtcars$am==x]，0.75）+1.5*（分位数（mtcars$col[mtcars$am==x]，0.75）-分位数（mtcars$col[mtcars$am==x]，0.25%）>左限值）df$col=ifelse（df$coldf$upper，NA，df$col）df=df%>%select（-upper，-lower）}非常感谢，我有一个问题，我想找到基于Tukey 1.5*IQR的离群值，每个列与分类变量的每个级别。1.我如何修改您的代码以将其更改为1.5*IQR。我还想知道如何修改您的代码以找到每个列的Tukey离群值并用NA替换它。在我的实际数据集中，我有19列，我想要to将每列的Tukey异常值替换为NA。将Question修改为使用1.5*IQR。您可以轻松编写一个覆盖所有列的for循环。如果您能够这样做，请告诉我。如果您发现我的答案有帮助，请接受它。谢谢！非常感谢，当然，我会接受您的解决方案。只有两个问题。我是新的我n R所以我想知道如何修改您的代码以处理缺失的观察，因为我有太多缺失的观察。还有关于让循环函数为所有列工作的建议。请参阅此处：处理缺失值（完整的cases语句将有所帮助）。for循环可以像for（colnames（df）中的col）一样构造{function here}在我提到$qsec的任何地方，你都应该指向[col]。希望这有帮助！@Florian Maas，你的意思是，（col in colnames（mtcars））{limits=data.frame（am=unique（mtcars$am））limits$lower=lappy（limits$am，function（x）quantile（mtcars$col[mtcars$am==x]，0.25）-1.5*（分位数（mtcars$col[mtcars$col$col[mtcars$am==x]，0.75）-分位数（mtcars$col）[mtcars$am==x]，0.25]）限值$upper=lapply（限值$am，函数（x）分位数（mtcars$col[mtcars$am==x]，0.75）+1.5*（分位数（分位数（mtcars$col[mtcars$am==x]，0.75）-分位数（mtcars$col[mtcars$am==x]，0.25]）df=mtcars%>%左联合（限值）df$col=ifelse