我有一个包含 30 列和 >10,000 行的数据框。
我如何对一组变量运行异常值分析,如果任何变量超过特定阈值(对于该给定变量),则返回 TRUE,如果不满足任何异常值阈值 (3SD),则返回 FALSE变量,TRUE/FALSE 值显示在新列中?
我使用分位数来找到每个变量的 3 个标准偏差截止值:
IE:
quantile(df$a, 0.003, na.rm = T) #and
quantile(df$a, 0.997, na.rm = T)
Run Code Online (Sandbox Code Playgroud)
假设第一个值是 2.5,这个变量的上限值是 10.5,然后我创建了一个新变量:
df$outliers <- (df$a <- df$a <2.5 | df$a > 10.5)
Run Code Online (Sandbox Code Playgroud)
当 a 列中的值小于 2.5 或大于 10.5 时,它给出 TRUE 值。
我想做的是让 df$outliers 代表一组列的异常值状态,而不仅仅是一个列,即列 d、e、f、g、l、m 等,它们都有自己的阈值遇见。
做这个的最好方式是什么?