如何将组均值与单个观察值进行比较并创建新的 TRUE/FALSE 列？

Posted 2023-03-16

【中文标题】如何将组均值与单个观察值进行比较并创建新的 TRUE/FALSE 列？

【英文标题】：How do I compare group means to individual observations and make a new TRUE/FALSE column?

【发布时间】：2020-08-07 11:24:41

【问题描述】：

我是 R 新手，这是我在 SO 上的第一篇文章 - 所以请多多包涵。

我正在尝试识别数据集中的异常值。我有两个 data.frames：

（1 - 原始数据集，192 行）：观察值及其值（AvgConc）

（2 - 使用 dplyr 创建，24 行）：来自原始数据集的分组平均值，以及分位数、最小值和最大值

我想在原始数据集中创建一个新列，根据 (AvgConc) 是大于最大值还是小于我在第二个 data.frame 中计算的最小值给出 TRUE/FALSE。我该怎么做？

尝试失败：

Outliers <- Original.Data %>%
 group_by(Status, Stim, Treatment) %>%
 mutate(Outlier = Original.Data$AvgConc > Quantiles.Data$Maximum | Original.Data$AvgConc <  Quantiles.Data$Minimum) %>%
 as.data.frame()

错误：列 Outlier 的长度必须为 8（组大小）或 1，而不是 192

【问题讨论】：

如何将Original.Data 与Quantiles.Data 映射？它们之间有一些共同的列吗？您可以使用dput 即dput(head(Quantiles.Data)) 和dput(head(Original.Data)) 共享两个数据集的前几行。

【参考方案1】：

在这里，我们需要通过与 'Original.Data' by 'Status'、'Stim'、'Treatment' 进行连接来删除 Quantiles.Data$

library(dplyr)
Original.Data %>%
   inner_join(Quantiles.Data %>% 
              select(Status, Stim, Treatment, Maximum, Minimum)) %>%
   group_by(Status, Stim, Treatment) %>%
   mutate(Outlier = (AvgConc > Maximum) |(AvgConc <  Minimum)) %>%
   as.data.frame()

【讨论】：

试一试，遇到了这个错误：选择错误（。，状态，刺激，治疗，最大值，最小值）：未使用的参数（状态，刺激，治疗，最大值，最小值）跨度>

@iastatecy you havent' 展示了任何示例，所以这只是基于我的直觉，可能会有这些列。如果您可以使用一些简单的示例和预期的输出来更新您的帖子，那么调试会更容易

意识到我不需要 group_by 行，因此连接部分可以正常工作并且列标记正确，但是当我到达 mutate 行时，我收到此错误： mutate 中的错误（Outlier = ( AvgConc > 最大值）|（AvgConc

@iastatecy 在您的代码中，有Original.Data$AvgConc，因此不清楚数据中不存在该列的情况下如何获得该列名。请检查colnames(Original.Data)

AvgConc 列在原始数据中。我尝试了 inner_join 并且能够让它工作！