我目前正在开展一个项目，我有一个巨大的数据框，16196个包含25个变量。目标是消除每个特定治疗可能在数据框中的任何异常值。问题是带有治疗的色谱柱在那里进行了各种治疗，每种治疗方法的长度都不同。让我举个例子。
val_lvl2：chr＆＃34;颈椎融合术（脊柱融合术）＆＃34; ＆＃34;非手术治疗＆＃34; ＆＃34;非手术治疗＆＃34; ＆＃34;非手术治疗＆＃34; ...
prd_num_of_days_num：num 167 46 46 46 167 46 46 46 167 46 ...
输出来自str（z_combined_cost_dtrmnt）
我们可以看到val_lvl2具有所有治疗（100+未显示）。并且prd_num_of_days_num具有该特定治疗的长度。现在我要做的就是结合所有（其中还有更多）＆＃34;颈椎融合＆＃34;数据和＆＃34;非手术治疗＆＃34;数据到那里有自己的小数据帧。在那之后，我想对治疗的长度产生95％的置信度，然后删除不属于该CI的任何数据行。然后带回数据帧，以便我们再次获得1个大数据帧，但每次处理中的异常值都消失了。
我很感激任何帮助，因为我真的不知道从哪里开始，因为似乎没有简单的方法来按照我想要的方式分解数据帧。
目前正在考虑使用聚合函数。
agg＆lt; - aggregate（z_combined_cost_dtrmnt $ prd_num_of_days_num，by = list（val_lvl2 = z_combined_cost_dtrmnt $ val_lvl2），by = list（val_lvl3 = z_combined_cost_dtrmnt $ val_lvl3），FUN = SD）
然而，这会出现此错误：aggregate.data.frame（as.data.frame（x），...）中的错误：正式参数＆＃34; by＆＃34;由多个实际参数匹配
TL / DR
大数据框架 - ＆gt;
较小的数据框基于val_lvl2中的唯一值，记住有类似的唯一值，即＆＃34; Cervical Fusion＆＃34;应该在同一个小数据框中 - ＆gt;
基于每个小数据帧的prd_num_of_days_num（治疗长度）创建95％CI - ＆gt;
如果prd_num_of_days_num不在CI中，则删除每个唯一值的整行 - ＆gt;
将没有异常值的小数据帧再次合并到一个大数据帧中。
答案 0 :(得分：0)
所以你有一个数据帧（df），有25个变量，你想把它分解成X个较小的数据帧，x是唯一处理的数量，每个包含剩余的24个变量，但只包含一个类型治疗。正确的吗？
treatment1 <- df[df$val_lvl2 == "Cervical Fusion (Spinal Fusion)"]
treatment2 <- df[ds$val_lvl2 =="Non-Surgical Treatment"]
# etc...
有更简洁，更好的方法，但我认为这是你应该开始掌握如何在R中组织数据。