Question

我想用NA替换数据框每列中的异常值。

例如，如果我们将离群值定义为离均值大于3个标准差的任何值，我可以使用以下代码实现此每个变量。

我希望在一个调用中对df的所有列执行相同的操作，而不是单独指定每个列。关于如何执行此操作的任何指示？

谢谢！

library(dplyr)
data("iris")
df <- iris %>% 
  select(Sepal.Length, Sepal.Width, Petal.Length)%>% 
  head(10) 

# add a clear outlier to each variable
df[1, 1:3] = 99

# replace values above 3 SD's with NA
df_cleaned <- df %>% 
  mutate(Sepal.Length = replace(Sepal.Length, Sepal.Length > (abs(3 * sd(df$Sepal.Length, na.rm = TRUE))), NA))

Answer 1

您需要使用mutate_all()，即

library(dplyr)

df %>% 
 mutate_all(funs(replace(., . > (abs(3 * sd(., na.rm = TRUE))), NA)))

Answer 2

另一个选项是base R

df[] <- lapply(df, function(x) replace(x, . > (abs(3 * sd(x, na.rm = TRUE))), NA))

或与colSds中的matrixStats一起

library(matrixStats)
df[df > abs(3 * colSds(as.matrix(df), na.rm = TRUE))] <- NA

如何在多个列之间用NA有条件地替换值

2 个答案: