检测组中的异常值和单个数据中的异常值答案

【问题标题】：detect outliers in a group and outlier in the single data检测组中的异常值和单个数据中的异常值
【发布时间】：2015-07-06 23:12:24
【问题描述】：

Car    100 200 300
Group1  34  35  34
Group1  57  67  34
Group1  68  76  6
Group2  45  23  23

我在检测数据框中的异常值时遇到了一些问题。我想检测每个组是否有一个完整的向量（一行）和对应的组向量（一到三行）的异常值。此外，我想检测一个特定行中是否存在异常值。对于这个问题，我找到了这个解决方案，但是使用此代码，我必须为每一行重复整个代码并检查表格是否为“TRUE”。是否有可能进行外部化？例如创建所有输出的矩阵，所以我只需要检查 >sum(matrix==TRUE)

代码：

x=as.numeric(data_without[1,1:400])
grubbs.flag <- function(x) {
     outliers <- NULL
     test <- x
     grubbs.result <- grubbs.test(test)
     pv <- grubbs.result$p.value
     while(pv < 0.05) {
         outliers <- c(outliers,as.numeric(strsplit(grubbs.result$alternative," ")[[1]][3]))
         test <- x[!x %in% outliers]
         grubbs.result <- grubbs.test(test)
         pv <- grubbs.result$p.value
     }
     return(data.frame(X=x,Outlier=(x %in% outliers)))
 }

grubbs.flag(x)
         X Outlier
1   0.1157   FALSE
2   0.1152   FALSE
3   0.1163   FALSE
4   0.1165   FALSE

【问题讨论】：

标签： r outliers

【解决方案1】：

我已阅读对象文档，默认选项仅检查是否存在给定数据的单个异常值。因此，我认为每组只运行一次测试就足够了。

首先将数据按组拆分，然后对每个组进行递归测试。最后只返回 p 值和描述以查看哪个是异常值（如果有） - 很容易识别哪个是异常值，因为它将是最大值或最小值。

library(outliers)
df <- t(data.frame(car = c(100,200,300),
                 g1 = c(34,35,34),
                 g1 = c(57,67,34),
                 g1 = c(68, 76, 6),
                 g2 = c(45, 23, 23)))
row.names(df) <- c("car", "group1", "group1", "group1", "group2")

lst <- lapply(1:length(unique(row.names(df))), function(x) {
  df[row.names(df)==unique(row.names(df))[x],]
})

lst
[[1]]
[1] 100 200 300

[[2]]
[,1] [,2] [,3]
group1   34   35   34
group1   57   67   34
group1   68   76    6

[[3]]
[1] 45 23 23

lapply(lst, function(x) {
  tst <- grubbs.test(x)
  c(tst$p.value, tst$alternative)
})
[[1]]
[1] "0.5"                             "highest value 300 is an outlier"

[[2]]
[1] "0.244875529263511"            "lowest value 6 is an outlier"

[[3]]
[1] "0"                              "highest value 45 is an outlier"

【讨论】：