在数据框中为每个现有数据框添加一个新列（用于异常值检测）

我有一个数据框df。对于每一列，我想通过写入TRUE（= outlier）或FALSE（= no outlier）来添加另一列，指示该值是在我的简单“异常值检测阈值”之内还是之外。在数据框中为每个现有数据框添加一个新列（用于异常值检测）

下面的代码：

df <- read.csv("<FILE>", header=TRUE, sep=";") 
column_names <- colnames(df[,-1]) # first column is actually row name 

for(name in column_names) { 
    med <- median(df[[name]], na.rm = TRUE) 
    std <- sd(df[[name]], na.rm = TRUE) 
    max <- med + 3 * std 
    min <- med - 3 * std 

    newcol <- paste(name, "outlier", sep="_") # create new column name 
    df <- within(df, newcol <- ifelse(name < max & name > min,"FALSE","TRUE")) 
}

而不是对每个现有添加新列，刚刚入选一列“NEWCOL”被添加。在这种情况下，如何访问变量newcol的实际值？ Alread试图得到（newcol）和[[newcol]]。

非常感谢您的帮助！

编辑：解决方案看起来像这样

df <- read.csv("<FILE>", header=TRUE, sep=";") 
column_names <- colnames(df[,-1]) # first column is actually row name 
for(name in column_names) { 
    med <- median(df[[name]], na.rm = TRUE) 
    std <- sd(df[[name]], na.rm = TRUE) 
    max <- med + 3 * std 
    min <- med - 3 * std 

    newcol <- paste(name, "outlier", sep="_") 
    df[[newcol]] <- with(df, ifelse(df[[name]] < max & df[[name]] > min,"FALSE","TRUE")) 
}

来源

2014-09-04 chrmar

你的最后一行应读的方法：

df[[newcol]] <- with(df, ifelse(...))

的<-操作假定newcol是列的实际名称，而不是包含此名称的变量。

来源

2014-09-04 09:52:32 krlmlr

对不起，想通了。在我最初的问题中添加了解决方案。感谢您的帮助！ – chrmar 2014-09-04 10:27:45

@chrmar您不应编辑问题以包含答案。如果您有不同的答案，请将其作为解决方案发布，以便社区可以为无法应付此问题的未来用户高举/低投票。 – MrFlick 2014-09-04 13:49:49

这是使用data.table

require(data.table) 

outlier <- function(x) { 
    med <- median(x, na.rm = TRUE) 
    std <- sd(x, na.rm = TRUE) 
    max <- med + 3 * std 
    min <- med - 3 * std 
    return(!(x < max & x > min)) 
} 

# df <- fread("<FILE>") 
df <- data.table(x = rt(10, 5), y = rt(10, 5)) 
df[3, x := 100] 
df[7, y := 100] 

df[, paste(names(df), "outlier", sep="_") := lapply(.SD, outlier)] 
df

来源

2014-09-04 09:49:00 djhurio

你可以在一次分配的一切：

is_outlier <- function(x) { 
    med <- median(x, na.rm = TRUE) 
    std <- sd(x, na.rm = TRUE) 
    max <- med + 3 * std 
    min <- med - 3 * std 
    !(x < max & x > min) 
} 

column_names <- names(df)[-1] 
column_names_outlier <- paste(column_names, "outlier", sep="_") 
df[column_names_outlier] <- lapply(df[column_names], is_outlier)

来源

2014-09-04 10:43:38 Marek

在数据框中为每个现有数据框添加一个新列（用于异常值检测）

回答

相关问题