如何从数据集中删除exception值
我有一些美丽与年龄的多元数据。 年龄在20-40之间，间隔为2（20,22,24 …. 40），并且对于每个logging的数据，给予1-5岁的年龄和美容等级。 当我做这些数据（年龄横跨X轴，Y轴上的美女等级）的箱型图时，每个盒子的胡须外面都绘制了一些exception值。
我想从数据框本身中删除这些exception值，但是我不确定R如何计算它的盒子图中的exception值。 以下是我的数据可能看起来像的一个例子。 
好的，你应该像这样应用到你的数据集。 不要replace和保存，否则你会破坏你的数据！ 而且，顺便说一句，你应该（几乎）不会从你的数据中删除exception值：
remove_outliers <- function(x, na.rm = TRUE, ...) { qnt <- quantile(x, probs=c(.25, .75), na.rm = na.rm, ...) H <- 1.5 * IQR(x, na.rm = na.rm) y <- x y[x < (qnt[1] - H)] <- NA y[x > (qnt[2] + H)] <- NA y }
要看到它的行动：
set.seed(1) x <- rnorm(100) x <- c(-10, x, 10) y <- remove_outliers(x) ## png() par(mfrow = c(1, 2)) boxplot(x) boxplot(y) ## dev.off()
再一次，你不应该自己做这件事，离群值只是为了！ =）
编辑：我添加na.rm = TRUE作为默认值。
编辑2：删除quantilefunction，添加了下标，从而使function更快！ =）
没有人发布最简单的答案：
x[!x %in% boxplot.stats(x)$out]
另请参阅： http : //www.r-statistics.com/2011/01/how-to-label-all-the-outliers-in-a-boxplot/
使用outline = FALSE作为一个选项，当你做boxplot（阅读帮助！）。
> m <- c(rnorm(10),5,10) > bp <- boxplot(m, outline = FALSE)
boxplot函数返回用于绘图的值（实际上是由bxp（）完成的）：
bstats <- boxplot(count ~ spray, data = InsectSprays, col = "lightgray") #need to "waste" this plot bstats$out <- NULL bstats$group <- NULL bxp(bstats) # this will plot without any outlier points
我故意没有回答具体的问题，因为我认为这是统计上的弊端，以消除“exception值”。 我认为可以接受的做法是不要把它们放在一个盒子里，但是去除它们是观测logging的系统性和不合理的结果。
x<-quantile(retentiondata$sum_dec_incr,c(0.01,0.99)) data_clean <- data[data$attribute >=x[1] & data$attribute<=x[2],]
我觉得这很容易删除exception值。 在上面的例子中，我只是提取了2个百分点到98个百分点的属性值。
我查找与删除exception值有关的软件包，并发现这个软件包（令人惊讶地称为“exception值”）： https ： //cran.r-project.org/web/packages/outliers/outliers.pdf
如果通过它，你会看到不同的方法去除exception值，其中我发现rm.outlier最方便的一个，正如它在上面的链接中所说的：“如果exception值被统计检测和确认，这个函数可以删除它或取代平均或中位数“，这里也是来自同一来源的使用部分：
“ 用法
rm.outlier(x, fill = FALSE, median = FALSE, opposite = FALSE)
参数
x数据集，最经常是一个向量。 如果参数是一个数据框，则通过sapply从每列中删除exception值。 在matrix给出时，应用相同的行为。
填充如果设置为TRUE，则置位中值或平均值而不是exception值。 否则，exception值将被简单地删除。
中位数如果设置为TRUE，则在离群值replace中使用中位数而不是平均值。 相反，如果设置为TRUE，则给出相反的值（如果最大值与平均值有最大差异，则给出最小值，反之亦然）“
添加@sefarkas的build议并使用分位数作为截止点，可以探索以下选项：
newdata <- subset(mydata,!(mydata$var > quantile(mydata$var, probs=c(.01, .99))[2] | mydata$var < quantile(mydata$var, probs=c(.01, .91))[1]) )
这将删除第99个分位数以外的点数。 应该注意像aL3Xa关于保持exception值的说法。 它应该被删除只是为了获得一个替代的保守观点的数据。
岂不：
z <- df[df$x > quantile(df$x, .25) - 1.5*IQR(df$x) & df$x < quantile(df$x, .75) + 1.5*IQR(df$x)]
很容易完成这个任务？
