离群值(outlier)通常被定义为小于 QL - l.5 IQR 或者 大于 Qu + 1.5 IQR的值,QL称为下四分位数, Qu称为上四分位数,IQR称为四分位数间距,是Qu上四分位数和QL下四分位数之差,其间包括了全部观察值的一半。
1.方法一:
定义功能剔除离群值remove_outliers
qnt
H
y
y[x <= (qnt[1] - H)]
y[x >= (qnt[2] + H)]
y
}
制造数据框element
value
df
head(df)ggplot(df, aes(x=element, y=value,color=element)) +
geom_boxplot(outlier.colour="red", outlier.shape=7,outlier.size=1) + #指出离群值
theme_bw() +
theme(legend.position="right")+
labs(title="",x="", y = "")
[图片上传失败...(image-de44df-1545189767525)]
由图可以看出确实有很多离群值
测试下分组剔除离群值df2 %
group_by(element) %>%
mutate(value = remove_outliers(value))
head(df2)df2
geom_boxplot(outlier.colour="red", outlier.shape=7,outlier.size=1) + #指出离群值
theme_bw() +
theme(legend.position="right")+
labs(title="",x="", y = "")
[图片上传失败...(image-33a23-1545189767526)]
由图可以看出已经移除了大部分的离群值。
2.方法二element
value
df
means.without.ols
mean(x[!(abs(x - median(x)) > 2*sd(x))])
})
df1 = df %>%
group_by(element) %>%
summarise_each(funs(mean), value)
means.without.ols
df1element
value
df
means.without.ols
mean(x[!(abs(x - median(x)) > 2*sd(x))])
})# df1 = df %>%# group_by(element) %>%# filter(!(abs(value - median(value)) > 2*sd(value))) %>%# summarise_each(funs(mean), value)means.without.ols
作者:LeoinUSA
链接:https://www.jianshu.com/p/80848dfb0ec8