我想分别替换所有值在我相对很大的R数据集，其采取上述第95和下面的第5百分位数值，这些百分比值。 我的目的是为了避免简单地从完全的数据裁剪这些异常值。
任何意见将不胜感激，我无法找到如何做到这一点其他任何地方的任何信息。
Answer 1:
这将做到这一点。
fun <- function(x){
quantiles <- quantile( x, c(.05, .95 ) )
x[ x < quantiles[1] ] <- quantiles[1]
x[ x > quantiles[2] ] <- quantiles[2]
x
}
fun( yourdata )
Answer 2:
您可以通过做在一行代码squish()
d2 <- squish(d, quantile(d, c(.05, .95)))
在秤图书馆，看?squish和?discard
#--------------------------------
library(scales)
pr <- .95
q <- quantile(d, c(1-pr, pr))
d2 <- squish(d, q)
#---------------------------------
# Note: depending on your needs, you may want to round off the quantile, ie:
q <- round(quantile(d, c(1-pr, pr)))
例：
d <- 1:20
d
# [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
d2 <- squish(d, round(quantile(d, c(.05, .95))))
d2
# [1] 2 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 19
Answer 3:
我用这个代码来获取你所需要的：
qn = quantile(df$value, c(0.05, 0.95), na.rm = TRUE)
df = within(df, { value = ifelse(value < qn[1], qn[1], value)
value = ifelse(value > qn[2], qn[2], value)})
其中df是你的data.frame，和value包含您的数据的列。
Answer 4:
有一个更好的办法来解决这个问题。 离群值不超过第95百分位或低于第5百分位的任何一点。 相反，异常值被认为是这样，如果它是第一个四分位数以下 - 1.5·IQR或以上第三个四分位数+ 1.5·IQR。
这个网站将介绍更彻底
要了解更多关于治疗离群这里指
capOutlier <- function(x){
qnt <- quantile(x, probs=c(.25, .75), na.rm = T)
caps <- quantile(x, probs=c(.05, .95), na.rm = T)
H <- 1.5 * IQR(x, na.rm = T)
x[x < (qnt[1] - H)] <- caps[1]
x[x > (qnt[2] + H)] <- caps[2]
return(x)
}
df$colName=capOutlier(df$colName)
Do the above line over and over for all of the columns in your data frame
文章来源: How to replace outliers with the 5th and 95th percentile values in R
