数据框R的一列的离群值

Question

我正在尝试删除r：

中数据集的特定列的异常值(替换为na(

dat2 <- read.csv("~/Rutas Grises/dat2.csv")

这是列摘要，它具有NAS：summary(dat2$pct_desti_unicos_sms)

    Min.  1st Qu.   Median     Mean  3rd Qu.     Max.     NA's 
  0.2632   0.5587   1.0470   8.4050   2.5640 100.0000      673 

定义阈值：f<-quantile(dat2$pct_desti_unicos_sms,3/4,na.rm = T)*1.5

我试图删除离群值

ifelse(test = !is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f,
       yes = pct_desti_unicos_sms <- NA,
       no = pct_desti_unicos_sms <- dat2$pct_desti_unicos_sms)

，但它转变为NA或NAN：

dat2$pct_desti_unicos_sms<-as.numeric(dat2$pct_desti_unicos_sms)
summary(dat2$pct_desti_unicos_sms)

Min.   1st Qu.  Median  Mean 3rd   Qu.    Max.    NA's 
  NA      NA      NA     NaN       NA      NA    1911 

Answer 1

问题是ifelse()

最终结果将是2种可能性中的1个，您应该使用<-传递到变量，最好的方法(在我看来(是这样：

dat2$pct_desti_unicos_sms <- ifelse(
  test = !is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f,
  yes = NA,
  no = dat2$pct_desti_unicos_sms)

---

但是，如果您想保持自己的方式，则需要编写pct_desti_unicos_sms是使用$运算符中dat2的列，否则它将创建一个称为pct_desti_unicos_sms的新矢量。喜欢这样做：

ifelse(test = !is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f,
       yes = dat2$pct_desti_unicos_sms <- NA,
       no = dat2$pct_desti_unicos_sms <- dat2$pct_desti_unicos_sms)

---

另外，因此您的no条件在Ifelse中不会影响任何内容，您只需使用if()：

if(!is.na(dat2$pct_desti_unicos_sms) & dat2$pct_desti_unicos_sms > f) {
  dat2$pct_desti_unicos_sms <- NA
}