替换大数据中的异常值
Posted
技术标签:
【中文标题】替换大数据中的异常值【英文标题】:Replace outliers from big data 【发布时间】:2015-01-30 13:22:27 【问题描述】:我有一个包含 12 个列和 600000 行的大数据,我想用这个函数替换异常值
replace_outliers <- function(x, na.rm = TRUE, ...)
qnt <- quantile(x, probs=c(.25,.50 ,.75), na.rm = na.rm, ...)
H <- 1.5 * IQR(x, na.rm = na.rm)
y <- x
y[x > (qnt[3] + H)] <- qnt[2]
y
但是使用 for 循环会花费很多时间,如果没有更好的硬件或集群,我可以更快地做到这一点吗?
【问题讨论】:
【参考方案1】:有几种优化功能的方法,但就您的问题而言,操作并没有那么慢。
无论如何,不诉诸 data.table
、dplyr
或并行编程,我们仍然可以通过简单地将函数重写为来获得适度的速度提升
replace_outliers2 = function(x, na.rm = TRUE, ...)
qnt = quantile(x, probs=c(.25,.50 ,.75), na.rm = na.rm, ...)
x[x > (2.5*qnt[3]- 1.5*qnt[1])] = qnt[2]
x
一些快速的时间安排:
R> x = matrix(rlnorm(600000*12), ncol=12)
R> system.time(for(i in 1:12) replace_outliers(x[,i]))
user system elapsed
1.448 0.008 1.469
R> system.time( for(i in 1:12) replace_outliers2(x[,i]))
user system elapsed
0.860 0.004 0.869
【讨论】:
以上是关于替换大数据中的异常值的主要内容,如果未能解决你的问题,请参考以下文章