在data.frame中按组识别案例

我想通过比平均值加上标准差更大的群体来确定案例。例如，在iris数据中使用种类作为组，使用petal.wid作为我的变量

最好的方法是什么？创建一个函数

我做了这件事，但我无法与鉴定案件的原始数据建立联系

data(iris)
library(plyr)
petal.wid.avg <- ddply(iris, .(Species), function(df)
  return(c(petal.wid.avg=mean(df$Petal.Width), petal.wid.sd=sd(df$Petal.Width)))
)
petal.wid.avg$avgsd <- petal.wid.avg$petal.wid.avg + petal.wid.avg$petal.wid.sd
petal.wid.avg

数据（iris）
图书馆（plyr）
petal.wid.avg有很多方法可以做到这一点，但是
ave
函数可能是最简单的

iris$big <- with(iris, 
  ave(Petal.Width, Species, FUN = function(x) x > mean(x) + sd(x))
)


根据这些评论，下面是解决方案的其余部分

iris <- subset(iris, big)
iris <- ddply(
  iris,
  .(Species),
  transform,
  smallest = Petal.Width == min(Petal.Width)
)
(iris <- subset(iris, smallest))

iris有很多方法，但是
ave
功能可能是最简单的

iris$big <- with(iris, 
  ave(Petal.Width, Species, FUN = function(x) x > mean(x) + sd(x))
)


根据这些评论，下面是解决方案的其余部分

iris <- subset(iris, big)
iris <- ddply(
  iris,
  .(Species),
  transform,
  smallest = Petal.Width == min(Petal.Width)
)
(iris <- subset(iris, smallest))

iris您的示例不可复制。我改了。现在是了。我还不清楚你到底想要什么。你能提供一些你希望得到的例子吗？你的例子是不可复制的。我改了。现在是了。我还不清楚你到底想要什么。你能提供一些你希望得到的示例输出吗？我的解释是你复制了问题中的代码。现在的问题是确定每种物种的单一元素，它只大于一个临界点（即大于平均值+sd）。谢谢你们的帮助，但这正是我想弄明白的。只是更大的值。我的解释是你复制了问题中的代码。现在的问题是确定每种物种的单一元素，它只大于一个临界点（即大于平均值+sd）。谢谢你们的帮助，但这正是我想弄明白的。只是更大的值。