【发布时间】：2015-01-18 02:38:11
【问题描述】：
在 boxplot 中，我设置了选项 outline=FALSE 以删除异常值。
现在我想包含points，它在箱线图中显示 mean。显然，使用mean 计算的均值包含异常值。
如何从数据框中删除相同的异常值，以便计算出的平均值与箱线图中显示的数据相对应？
我知道如何删除异常值，但是boxplot 内部的outline 选项使用了哪些设置？不幸的是，该手册没有给出任何说明。
【问题讨论】：
【发布时间】：2015-01-18 02:38:11
【问题描述】：
要回答您问题的第二部分，关于如何选择异常值，最好提醒一下箱线图是如何构建的：
- 箱线图的“主体”对应于数据的第二个和第三个四分位数（= 四分位间距，IQR）
- 每个晶须限制通常是在超出主体末端 1.5*IQR 的情况下计算得出的。
如果您假设您的数据具有正态分布，那么在每个须线之外都有这样的数据量：
1-pnorm(qnorm(0.75)+1.5*2*qnorm(0.75))
为 0.0035。因此，正常变量具有 0.7% 的“箱线图异常值”。
但这并不是一种非常“可靠”的检测异常值的方法，有专门为此设计的packages。
【讨论】：
-
非常感谢您详细说明去除异常值的过程。这确实解决了问题。
要删除异常值，您必须将选项outline 设置为FALSE。
假设您的数据如下：
data <- data.frame(a = c(seq(0,1,0.1),3))
然后，您使用boxplot 函数：
res <- boxplot(data, outline=FALSE)
在res 对象中，您有几条关于您的数据的信息。其中，res$out 为您提供了所有异常值。这里只有值 3。
因此，要计算没有异常值的平均值，您可以简单地执行以下操作：
mean(data$a[!data$a %in% res$out])
【讨论】：
如果您查看 ?boxplot 的 Value 部分，您会发现：
“包含以下组件的列表：” [...]
out 超出胡须极值的任何数据点的值。"
因此，您可以将 boxplot 调用的结果评估为一个对象，提取异常值，并将它们从原始值中删除：
x <- c(-10, 1:5, 50)
x
# [1] -10 1 2 3 4 5 50
bx <- boxplot(x)
str(bx)
# List of 6
# $ stats: num [1:5, 1] 1 1.5 3 4.5 5
# $ n : num 7
# $ conf : num [1:2, 1] 1.21 4.79
# $ out : num [1:2] -10 50
# $ group: num [1:2] 1 1
# $ names: chr "1"
x2 <- x[!(x %in% bx$out)]
x2
# [1] 1 2 3 4 5