求教，分组获取离群值

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据如下：
       order_id           id   amount
1  LG1702041641     4181S02140      1
2  LG1703031037     8885219140      1
3  LG1703049385     8885219140      1
4  LG1709012218        1100062      2
5  LG1709012218      1100068-C      1
6  LG1707000721      1101100-C      1
7  LG1709012218      1102012-C      1
8  LG1705005349        1104018      1
9  LG1704009567        1106253      1
10 LG1705001498        1111010      2
11 LG1705009010      1112018-3      1
12 LG1709008198      1112071-3      1
13 LG1705011565      1112083-I      1
14 LG1709008198    1203007-074      1
15 LG1709019763    1203008-074      1
16 LG1708012039 12676000000968      1
17 LG1709014286    1301093-011      1
18 LG1709014286    1301105-042      1
19 LG1702030566    1301129-011      1
20 LG1701010911    1301135-011      1

要求按照id列，分组找出amount的离群值，返回离群值对应的行；
试了很久没搞定，哪位能帮忙解决一下？
多谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：离群值 amount Order AMO der

自己顶一下

a<-by(trans1$amount,INDICES=list(trans1$id),function(x) boxplot.stats(trans1$amount)$out)
a<-tapply(trans1$amount,INDEX=trans1$id,function(x) boxplot.stats(trans1$amount)$out)
a<-aggregate(trans1$amount,by=list(trans1$id),function(x) boxplot.stats(trans1$amount)$out)
这三种方法输出的离群值，每组都是一样的，不是预期的每组不同？
> a
$`20122090547`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`20122090548`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`20122090559`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`201D0127`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010160235040`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010226525041`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010234419140`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010234421140`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010234425140`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

a<-tapply(trans1$amount,INDEX=trans1$id,function(x) boxplot.stats(trans1$amount)$out)
a<-by(trans1,INDICES=list(trans1$id),function(x) boxplot.stats(trans1$amount)$stats)
a<-aggregate(trans1$amount,by=list(trans1$id),function(x) boxplot.stats(trans1$amount)$out)
这三种方法输出的离群值，每组都是一样的，不是预期的每组离群值不同，什么原因呢？
> a
$`20122090547`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`20122090548`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`20122090559`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`201D0127`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010160235040`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010226525041`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010234419140`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010234421140`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

$`3010234425140`
[1]  2  4 10  2  2  2  3  2  2  2  3  3  2  3  3  2  2 10  3  3 30 10 20

a<-aggregate(trans1$amount,by=list(trans1$id),function(x) boxplot.stats(x)$out)
可以得到分组的离群值；
可是，怎么返回原数据框的行数啊？
56      200D22A000086                                   
57      200D22A000768                                   
58           20115002                                   
59           20115007                                  2
60           20118001                                   
61           20118004                                   
62           20118005                                   
63        20120060099                                   
64        20122050455                                   
65        20122080129                                   
66        20122080155                                   
67        20122090547                                  2
68        20122090548                               2, 2
69        20122090559                                  2
70        20122990485                                   
71        20122990696                                   
72        20122990701                                   
73        20122990702                                   
74        20122990705                                   
75        20122990707                                   
76        20122990708                                   
77        20122990772                                   
78           201D0008                                   
79           201D0090                                   
80           201D0126                                  4
81           201D0127 2, 4, 2, 3, 2, 2, 2, 2, 2, 4, 6, 2

自己搞了一下，还是用到了循环。不知道是否能用apply族解决掉？

by_id <- group_by(trans1, id)
a<-tapply(trans1$amount,INDEX=trans1$id,function(x) which(x > quantile(x, probs=c( .95), na.rm = T)))
a<-sapply(a,function(x) data.frame(x))  #ok，去掉list里面的各种层级的属性；
b<-lapply(attributes(by_id)$indices,function(x) x[1])
c<-list()
#定位离群值在trans1中的行号；
#length(a[],判断是否integer(0)，即未返回离群值的list行
for (i in 1:length(a)){
    if(length(a[])==0){
      cat(names(a),"无离群值！\n")
    }else{
      cat(names(a),"离群值！",a[],"\n")
      #x<-unlist(b)+unlist(a)
      #append(c, list(x), after = length(c))
      c[]<-unlist(b)+unlist(a)
    }
}
c<-unlist(c)
#找出离群值的行
outliners<-filter(trans1,row.names(trans1) %in% c)
结果：
> filter(trans1,row.names(trans1) %in% c)
       order_id            id amount
1  LG1704038373       1301246      2
2  LG1701011735 2000111001040      4
3  LG1707015081 2000111003040      2
4  LG1709017568 2000872101140      2
5  LG1707015079      20115007      2
6  LG1710016114   20122090547      2
7  LG1710016114   20122090559      2
8  LG1705005503      201D0126      4
9  LG1701021722      201D0127      4
10 LG1701026290      201D0127      3
11 LG1703051912      201D0127      4
12 LG1704011982      201D0127      6