通过数据循环设置值>；或<；变量为R中的NA

我有一个包含整数、字符和数字的列的数据框。实际的数据集比下面给出的例子要大得多，但下面的是一个可以接受的小得多的模拟

我正在尝试循环遍历数据，并将任何大于

平均值+（3*标准偏差）

且小于

平均值-（3*标准偏差）

的值更改为

NA

，仅在数字列中。如果一列包含整数或字符，循环应跳过它并继续到下一列。此外，大多数列已经包含一些

NA

值，并且将有许多值属于

平均值+/-（3*sd）

。这些价值观需要保持现状

此脚本的最终目标是在具有相同结构的未来数据集上使用它，虽然我对包的建议持开放态度，但如果可能，我希望使用循环。然而，我远非R方面的专家，我很乐意接受任何人给我的建议

我已经为整个脚本制定了一个结构，但它在第一个

next

语句之后停止

剧本：

data = data.frame(test_data)

for (i in colnames(data)){
  if (class(data$i) == "numeric"){
    m = mean(data$i, na.rm=TRUE)
    sd = sd(data$i, na.rm=TRUE)
  }
    else
      next
  for (j in 1:nrow(data)){
    if (data$i[j,] > (m + 3*sd)){
      data$i[j,] <- NA
    }
    else if (data$i[j,] < (m - 3*sd)){
      data$i[j,] <- NA
    }
    else 
      next
    }
}

---

提前感谢您提供的任何帮助，我非常感谢

使用

dplyr

并使用

scale（）

将数值变量转换为z分数，这可以简化为：

library(dplyr)

test_data %>% 
  mutate_if(is.numeric, ~replace(.x, abs(scale(.x)) > 3, NA))

---

下面是一个解决方案，使用

purrr

包中的

map\u df

函数，没有任何循环（抱歉：）：

library(purrr)

Trait1 = c(1.1, 1.2, 1.35, 1.1, 1.2, NA, 1000, 1.5, 1.4, 1.6)
Trait2 = c("A", "B", "C", "D", "E", "F", "G", "H", "I", "J")
Trait3 = c(125.1, 119.3, 118.4, NA, 1.1, 122.3, 123.4, 125.7, 121.5, 121.7)
test_data = data.frame(Trait1, Trait2, Trait3)

map_df(test_data,function(x) {
  if(class(x) == "numeric"){
    x[x <= (mean(x,na.rm = T) - 3*sd(x,na.rm = T)) | x>= (mean(x,na.rm = T) + 3*sd(x,na.rm = T))] = NA      
  }
  return(x)
}
)

库（purrr）
Trait1=c（1.1,1.2,1.35,1.1,1.2,NA，1000,1.5,1.4,1.6）
Trait2=c（“A”、“B”、“c”、“D”、“E”、“F”、“G”、“H”、“I”、“J”）
Trait3=c（125.1193118.4，NA，1.1122.3123.4125.7121.5121.7）
测试数据=数据帧（Trait1、Trait2、Trait3）
地图测向（测试数据，功能（x）{
如果（类别（x）=“数值”）{
x[x=（平均值（x，na.rm=T）+3*sd（x，na.rm=T））]=na
}
返回（x）
}
)

如果您希望您的

平均值

和

sd

计算与

NA

，请将

NA.rm=T

更改为

NA.rm=F

---

NB:请注意，在这种情况下，没有任何值大于或小于平均值减去或加上三个标准偏差。如果您认为列

Trait1

中的

1000

是您的“可疑”点，请重新考虑，因为它不大于

mean+3*sd

。我建议在不同的数据集上进行测试。

对于这类事情，我一直在使用

base:：ifelse（）

，并结合使用：

库（tidyverse）
图书馆（magrittr）
图书馆（tidylog）
测试数据%%
#当（且仅当）变量为数值时对其进行变异。。。
如果（是数字，
#…然后，如果它符合以下标准。。。
~z~如果还有其他人(
测试=.x>平均值（.x，na.rm=TRUE）+3*sd（.x，na.rm=TRUE）|
.x<平均值（.x，na.rm=TRUE）-3*sd（.x，na.rm=TRUE）|
.x%>%为.na，
#…替换为NA。如果没有。。。
是=不适用，
#……照原样走！
否=.x
))

注意上面的lambda函数，使用

~

和

.x

与Vitali上面所说的相呼应，该代码没有改变虚拟数据中的任何内容。为了确保绝对可靠，我加载了

tidylog

，这是一个整洁的包，每当运行tidyverse函数时，它都会打印数据帧更改

---

编辑：感谢Vitali指出原始代码无法推广。我还去除了很多绒毛。

如果需要使用循环，以下方法应该可以：

for (i in colnames(data)){
  if (class(data[,i]) == "numeric"){
    m = mean(data[,i], na.rm=TRUE)
    sd = sd(data[,i], na.rm=TRUE)
    for (j in 1:nrow(data)){
      if (is.na(data[j,i])==F&(data[j,i] > (m + 3*sd)|data[j,i] < (m - 3*sd))){
        data[j,i] <- NA
      }
    }
  }
}

for（i在colnames（数据）中）{
if（类（数据[，i]）=“数值”）{
m=平均值（数据[，i]，na.rm=真）
sd=sd（数据[，i]，na.rm=TRUE）
适用于（j/1:nrow（数据））{
如果（is.na（data[j，i]）==F&（data[j，i]>（m+3*sd）| data[j，i]<（m-3*sd）））{
数据[j，i]不幸的是，您的代码在将来是不可推广的（而且是未知的）数据集，因为对于未知数据，您不会知道
Trait2
不是
numeric
scale
，这是关键。@LateMail-您是对的，值得一提。已编辑的.Base R翻译为：
nums 3]我非常喜欢这个解决方案！您的示例值中没有一个使用该标准替换据我所知。
library(tidyverse)
library(magrittr)
library(tidylog)

test_data %<>%

  # Mutate any variable if (and only if) it's numeric...
  mutate_if(is.numeric,

            # ...then, if it meets the following criteria...
            ~ ifelse(
              test = .x > mean(.x, na.rm = TRUE) + 3 * sd(.x, na.rm = TRUE) |
                     .x < mean(.x, na.rm = TRUE) - 3 * sd(.x, na.rm = TRUE) |
                     .x %>% is.na,

              # ...replace with NA. If it doesn't...
              yes = NA,

              # ...leave as is!
              no  = .x

            ))


for (i in colnames(data)){
  if (class(data[,i]) == "numeric"){
    m = mean(data[,i], na.rm=TRUE)
    sd = sd(data[,i], na.rm=TRUE)
    for (j in 1:nrow(data)){
      if (is.na(data[j,i])==F&(data[j,i] > (m + 3*sd)|data[j,i] < (m - 3*sd))){
        data[j,i] <- NA
      }
    }
  }
}