如何根据值是否超过Rstudio中特定列中的给定数字来删除数据集中的行

Question

我正在尝试从我的数据集中删除一些异常值。我正在一次调查数据中的每个变量。我已经为变量构建了箱线图，但不想删除所有分类的异常值，只删除最极端的。因此，我注意到箱线图上的值我不希望我的变量超过，并尝试删除与具有超过所选值的特定列值的观察相对应的行。

例如， 我的数据集称为牛奶，其中一个变量称为 alpha_s1_casein。我认为以下内容会删除数据集中 alpha_s1_casein 的值大于 29 的所有行：

milk <- milk[milk$alpha_s1_casein < 29,]

事实上确实如此。数据框中的行数从 430 减少到 428。但是它在我的数据集中的非相关列中引入了很多 NA 值

在我运行上述代码之前，NA 的数量是

sum(is.na(milk))

5909 NA 值 但是在执行上述操作之后，现在返回的 NA 的总和是

sum(is.na(milk))

75912 NA 值。

我不明白这里出了什么问题，以及为什么我正在做的是引入更多的 NA 值而不是当我开始尝试做的只是在列值超过某个数字时删除观察值。

有人可以帮忙吗？我很绝望

Answer 1

在不使用其他包的情况下，要删除数据集中 alpha_s1_casein 的值大于大于 29 的所有行，您可以这样做：

milk <- milk[-which(milk$alpha_s1_casein > 29),]