基于 R 中的标准差的子集答案

【问题标题】：Subsetting based on standard deviation in R基于 R 中的标准差的子集
【发布时间】：2013-11-02 04:56:54
【问题描述】：

我有一个数据框，它由每个观察的变量列组成，这些列是行。我需要修剪这些数据以删除不需要的观察结果。

我通常是怎么做的 -

trimmed_stats <- ddply(.data = data, .(pos), subset,
                       !AvgGFP > 100 &
                       !AvgRFP > 60 &
                       !Area < 220 &
                       !Area > 2000 &
                       !DeviationsRFP > 20 &
                       !DeviationGFP > 20)

...基本上删除不符合特定条件的数据。

但是，当我查看多个数据集时，这些具体数字会因数据集而异。

我想要做的是使用平均值的标准偏差执行“修剪”。

例如，让我们以一个简单的数据框为例，每个观察值都有一个变量 -

p <- data.frame(obs = c(1:1000), var1 = rnorm(1000, 0 , 5))
sd(p[,2])
[1] 4.91213

所以 1 个标准差是 4.91213，如何删除 var1 不在平均值 1 个标准差范围内的所有行？

【问题讨论】：

标签： r dataframe trim

【解决方案1】：

subset 函数确实允许您使用计算值，因此您可以这样做：

trimmed_stats <- ddply(.data = data, .(pos), subset,
                       abs(AvgGFP - mean(AvgGFP)) < sd(AvgGFP) &
                       ...)

不要弄错：在ddply 内，这些mean(AvgGFP) 和sd(AvgGFP) 确实是为每个pos 计算的。

【讨论】：

【解决方案2】：

使用data.table 包

library(data.table)
p <- data.table(p)
p[,ToKeep := abs(var1-mean(var1)) < sd(var1)][ToKeep  == TRUE]

【讨论】：

【解决方案3】：

我是 R 新手。请尝试以下代码是否适合您的情况。

p_new <- p[which(p[,2] <= sd(p[,2])), ]

在 p_new 中，var1 大于平均值 1 个标准差的所有行都已被删除。

【讨论】：