在 R 中同时进行几个 Grubbs 测试答案

【问题标题】：Several Grubbs tests simultaneously in R在 R 中同时进行几个 Grubbs 测试
【发布时间】：2018-01-11 04:10:19
【问题描述】：

我是使用 R 的新手，我刚开始使用异常值包。可能这很容易，但是谁能告诉我如何同时运行多个 Grubbs 测试？我有 20 列，我想同时测试所有列。在此先感谢

编辑：抱歉没有解释清楚。我会尽力。我今天开始使用 R，并且学习了如何使用 grubbs.test(data$S1, type=10 or 11 or 20) 进行 Grubbs 测试，并且运行良好。但是我有一个有 20 列的表，我想同时为每个列运行 Grubbs 测试。我可以一个一个地做，但我认为必须有一种方法可以更快地做到这一点。我也在How to repeat the Grubbs test and flag the outliers 上运行了代码，并且运行良好，但同样，我想用我的 20 个样本来做。以我的数据为例：

S1 S2 S3 S4 S5 S6 S7 96 40 99 45 12 16 48 52 49 11 49 59 77 64 18 43 11 67 6 97 91 79 19 39 28 45 44 99 9 78 88 6 25 43 78 60 12 29 32 2 68 25 18 61 60 30 26 51 70 96 98 55 74 83 17 69 19 0 17 24 0 75 45 42 70 71 7 61 82 100 39 80 71 58 6 100 94 100 5 41 18 33 98 97

希望这会有所帮助。

【问题讨论】：

提问时，您应该向reproducible example 提供示例输入数据和所需的输出。您尝试过的代码是如何尝试的，并准确地描述了它是如何不完全按照您的要求进行的。

标签： r outliers

【解决方案1】：

你可以使用 lapply：

library(outliers)

df = data.frame(a=runif(20),b=runif(20),c=runif(20))
tests = lapply(df,grubbs.test) 
# or with parameters:
tests = lapply(df,grubbs.test,opposite=T)

结果：

> tests
$a

    Grubbs test for one outlier

data:  X[[i]]
G = 1.80680, U = 0.81914, p-value = 0.6158
alternative hypothesis: highest value 0.963759744539857 is an outlier


$b

    Grubbs test for one outlier

data:  X[[i]]
G = 1.53140, U = 0.87008, p-value = 1
alternative hypothesis: highest value 0.975481075001881 is an outlier


$c

    Grubbs test for one outlier

data:  X[[i]]
G = 1.57910, U = 0.86186, p-value = 1
alternative hypothesis: lowest value 0.0136249314527959 is an outlier

您可以按如下方式访问结果：

> tests$a$statistic
        G         U 
1.8067906 0.8191417

希望这会有所帮助。

【讨论】：

谢谢，这非常有用。有什么方法可以改变 Grubbs 测试的类型（类型、相反等）？
可以，可以添加参数如下：tests = lapply(df,grubbs.test,opposite=T,type=11).
感谢一百万，这将有很大帮助。我点击了顶部的箭头和绿色的勾；）
没问题，很高兴我能帮上忙。

【解决方案2】：

@Florian 的答案可以稍微更新一下。例如，使用purrr 包和tidyverse 可以实现花哨且易于阅读的结果。如果您要比较组的负载，它会很有用：

加载必要的包：

library(dplyr)
library(purrr)
library(tidyr)
library(outliers)

创建一些数据 - 我们将使用来自 Florian's answer 的相同数据，但转换为现代的 tibble 和长格式：

df <-  tibble(a = runif(20), 
              b = runif(20),
              c = runif(20)) %>%
  # transform to along format
  tidyr::gather(letter, value)

然后，我们可以使用来自purrr 的map 和map_dbl 来代替apply 函数：

df %>%
  group_by(letter) %>%
  nest() %>% 
  mutate(n = map_dbl(data, ~ nrow(.x)), # number of entries
         G = map(data, ~ grubbs.test(.x$value)$statistic[[1]]), # G statistic
         U = map(data, ~ grubbs.test(.x$value)$statistic[[2]]), # U statistic
         grubbs = map(data, ~ grubbs.test(.x$value)$alternative), # Alternative hypotesis
         p_grubbs = map_dbl(data, ~ grubbs.test(.x$value)$p.value)) %>% # p-value
  # Let's make the output more fancy
  mutate(G = signif(unlist(G), 3),
         U = signif(unlist(U), 3),
         grubbs = unlist(grubbs),
         p_grubbs = signif(p_grubbs, 3)) %>%
  select(-data) %>% # remove temporary column
  arrange(p_grubbs)

期望的输出是这样的：

# A tibble: 3 x 6
  letter     n     G     U grubbs                                        p_grubbs
  <chr>  <dbl> <dbl> <dbl> <chr>                                            <dbl>
1 c         20  1.68 0.843 lowest value 0.0489965472370386 is an outlier     0.84
2 a         20  1.58 0.862 lowest value 0.0174888013862073 is an outlier     1   
3 b         20  1.57 0.863 lowest value 0.0656482006888837 is an outlier     1

【讨论】：