R 在任何列中查找具有异常值的行

给定dataframe df中的如下数据，需要提取任何列都有异常值的行

text = "
A,B,C,D,E,F,G
93,53,221,314,104,721,179
100,58,218,318,93,718,181
601,61,228,829,106,739,190
510,60,229,739,95,707,181
779,51,242,1021,105,756,180
848,57,228,1076,93,710,191
94,52,227,321,95,723,179
712,58,242,954,486,750,180
,53,,10289,298,841,210
696,53,233,929,95,751,180
101,57,220,321,415,796,179
100,60,226,326,104,744,180
181,58,234,415,105,2870,468
,57,,10277,,,918
"
df = read.table(textConnection(text), sep=",", header = T)

异常值定义为箱线图-Q1-1.5IQR/Q3+1.5IQR。因此，任何列（一个或多个）具有该列的异常值的行都将在我们的输出集中

我们还想得到第二组行，其中任何列值仅高于Q3+1.5IQR值的行将位于我们的输出集中，而不是上面经典定义中的异常值

我面临着一些挑战要完成这件事。我正在思考的伪代码如下

计算每列的箱线图统计信息

使用Q1和Q3值获得列值大于Q3且小于Q1的行索引

关于#1，我尝试了以下方法

> sapply(df, boxplot.stats)
      A         B         C         D         E         F         G        
stats Numeric,5 Numeric,5 Numeric,5 Numeric,5 Numeric,5 Numeric,5 Numeric,5
n     12        14        12        14        13        13        14       
conf  Numeric,2 Numeric,2 Numeric,2 Numeric,2 Numeric,2 Numeric,2 Numeric,2
out   Integer,0 Integer,0 Integer,0 Integer,2 Integer,3 Integer,2 Integer,3

但这并没有给出像

stats这样的输出
长度为5的向量，包含下须的极值、下‘铰链’、中位数、上‘铰链’和上须的极值。

可以在#2中使用。

我们可以编写一个函数来确定该值是否为异常值

IsOutlier <- function(data) {
   lowerq = quantile(data, na.rm = TRUE)[2]
   upperq = quantile(data, na.rm = TRUE)[4]
   iqr = upperq - lowerq 
   threshold_upper = (iqr * 1.5) + upperq
   threshold_lower = lowerq - (iqr * 1.5)
   data > threshold_upper | data <  threshold_lower 
}

---

同样，对于第二个集合，我们可以使用这个函数

IsOutlier_upper <- function(data) {
   upperq = quantile(data, na.rm = TRUE)[4]
   lowerq = quantile(data, na.rm = TRUE)[2]
   iqr = upperq - lowerq 
   data > (upperq + 1.5 * iqr) 
}

IsOutlier\u upper（upperq+1.5*iqr）
}

到目前为止，您尝试了什么？您是否被困在某个特定的地方？使用您在此处提供的数据非常困难，没有工具（我知道）以本机方式读取这些数据（并返回一个R友好对象）。你会考虑做两件事吗？（1） 使用

dput（head（x））

或

data.frame（…）

（或类似的编程方式）提供示例数据；（2）对于（比如）10行数据是否也能产生同样的效果？（3）

A

（时间）与这些有什么关系？不要给我们提供与你的问题无关的东西也有帮助。最后，正如RAB所建议的，（4）请显示您迄今为止尝试过的代码，它将帮助指导编码风格，等等。@r2evans-更新了问题。如果您查看一次调用的输出，

boxplot.stats

将返回一个

列表

，而返回的值实际上被宣传为“包含以下命名组件的列表”。你可以做一些像sappy（df，function（x）boxplot.stats（x）$stats）这样的事情来获得更有用的东西。

>sappy（df，function（x）boxplot.stats（x）$stats（x）$stats）A B C D E F G[1，]93.051218.0314 93 707 179.0[2，]100.053 223.5 321 95 721 180.0[3，]345.5 57 228.0 784 104 744 180.5[4，]704.0 58 233.5 1021 106 756 191.0[5，]848.0 61 242.0 1076 106 796 191.0

-我们如何从中访问

上须

？

IsOutlier_upper <- function(data) {
   upperq = quantile(data, na.rm = TRUE)[4]
   lowerq = quantile(data, na.rm = TRUE)[2]
   iqr = upperq - lowerq 
   data > (upperq + 1.5 * iqr) 
}