寻找R中所有特定子集的离群值？

Question

我的数据中有几种条件和几种类型的测量。

我想让R分别给出每对条件和测量类型的离群值。

例如，假设我对几个参与者有3个条件(1-3)和3种度量类型( and )，每一行都有一个值x。我想要条件1和测度A，条件2和测度B等的值x的异常值。

(测度和条件都是非数值的)

我试过创建一个循环

for(d in unique(data$measure)){
  for(c in unique(data$condition)){
    data %>%
      filter(measure == d, condition ==c) %>%
      o <- outlier(data$value) %>%
      print(o)
  }
}

它的思想是，R将在一个循环中遍历每个条件和度量，每次都选择匹配这些条件和度量的值，并计算出异常值。当我运行整个代码时，会收到以下错误消息：

Error in print.default(., o) : invalid printing digits -2147483648
In addition: Warning message:
In print.default(., o) : NAs introduced by coercion to integer range

(如果我在没有循环的情况下运行它，例如通过搜索特定条件的异常值，它也无法在第一行之后找到管道函数。)

知道该如何正确编码吗？

Answer 1

您已经在使用dplyr，所以我建议您使用group_by，因为它(对我来说)是处理数据的一种更自然的方法。

此外，此部分语法不正确：

    data %>%
      filter(measure == d, condition ==c) %>%
      o <- outlier(data$value) %>%
      print(o)

为什么？

1. filter(...) %>%应该连接到能接受帧的东西，但是.您正在将来自filter的输出发送到赋值o <- outlier(...) (然后发送到print(o)，这实际上意味着print(., o)，其中.是前一个命令的输出。

)

1. 进一步说，由于第一次运行o还没有定义.您应该得到一个关于object 'o' not found的错误。在循环中的后续传递中不会得到它，因为它确实存在.但如果是这样的话，则是循环中上一次迭代中的异常值。当然不是你应该使用的东西。

对该守则的直接更正可能是：

for (...) {
  for (...) {
    o <- data %>%
      filter(measure == d, condition ==c) %>%
      do({ data.frame(outliers = outlier(.$value)) })
    print(o)
  }
}

其中，o将是一个有三列的data.frame (好吧，tbl_df tibble)：measure、condition和outliers。在这种情况下，需要使用do，因为大多数非tidyverse函数忽略了group_by分组，因此我们使用do来解决这个问题。

不过，也许是为了将这两个循环替换为一个命令：

data %>%
  group_by(measure, condition) %>%
  summarize(outliers = outlier(value)) %>%
  ungroup()

我假设您想要的是measure和condition的每个唯一组合的所有异常值，并且outlier(.)函数返回一个向量(长度为>= 1)。如果未发现异常值，则不包括measure/condition对.如果这是一个因素，那么使用类似的

data %>%
  group_by(measure, condition) %>%
  summarize(outliers = list(outlier(value))) %>%
  tidyr::unnest(outliers, keep_empty = TRUE) %>%
  ungroup()