通过使用下界和上界向量在矩阵上应用函数

Question

我有一个由数值组成的数据框。我计算了每列的标准差和平均值，并创建了Upper_Bound 和Lower_Bound 向量，如下所示：

std_devs = apply(exp_vars[,sapply(exp_vars,is.numeric)], 2, sd)
means = apply(exp_vars[,sapply(exp_vars,is.numeric)], 2, mean)
Upper_Bound = means + 3*std_devs
Lower_Bound = means - 3*std_devs

现在我想检测至少有一个值不在相关上限和下限之间的行。例如，列 j 中的值必须等于或大于 Lower_Bound[j] 且等于或小于 Upper_Bound[j]，如果行 i 中至少有一个值违反此条件，我想保存该行的索引（I也有行名，保存行名也可以。）我想要获得的是一个索引向量（或行名），它显示了所有违反规则的行。我尝试了以下方法：

outliers = apply(my_data ,1, between(x,Lower_Bound, Upper_Bound,incbounds = TRUE))

但我想期望在连续自动遍历每个值并将它们与相关边界进行比较时，这太过分了。这是我第二次失败的绝望尝试：

outliers = apply(exp_vars_numeric,1, apply(x,2,between(x,Lower_Bound, Upper_Bound, incbounds = TRUE)))

我知道我可以使用 for 循环来做到这一点，但我希望有一个更有效的解决方案。任何建议都非常感谢。

提前致谢。

Answer 1

考虑通过在ave() 的帮助下添加下限和上限列来将所有内容保存在一个数据框中，以实现sd 和mean 的内联聚合。然后运行条件ifelse() 来标记这些行。

num_cols <- sapply(exp_vars,is.numeric)
num_names <- colnames(exp_vars)[num_cols]

means <- sapply(exp_vars[,num_cols], function(x) ave(x, FUN=mean))
std_devs <- sapply(exp_vars[,num_cols], function(x) ave(x, FUN=sd))

exp_vars[,paste0(num_names, "_lower")] <- means - 3*std_devs
exp_vars[,paste0(num_names, "_upper")] <- means + 3*std_devs

# CONDITIONALLY ASSIGN FLAG COLS
exp_vars[,paste0(num_names, "_flag")] <- ifelse(exp_vars[,num_names] >= exp_vars[,paste0(num_names, "_lower")] &
                                                exp_vars[,num_names] <= exp_vars[,paste0(num_names, "_upper")], 1, 0)    
# ADD ALL FLAG COLS HORIZONTALLY
exp_vars$index <- ifelse(rowSums(exp_vars[,paste0(num_names, "_flag")]) > 0, row.names(exp_vars), NA)

exp_vars[is.na(exp_vars$index), ]

Answer 2

建议包含一个小例子来说明您的数据是什么样的，以便我们更容易回答您的问题:) 我根据您的描述生成了 data.frames，看来以下内容可以解决您的问题：

df <- data.frame(a=c(1:10),b=c(5:14))
ncols <- ncol(df)
bounds <- data.frame(lower=seq(.5,5,.5),upper=seq(6.5,11,.5))
one_plus_fall_outside <-   sapply(1:nrow(df),
         function(i) 
           sum(between(df[i,],bounds$lower[i],bounds$upper[i]))/ncols<1
         )  
which(one_plus_fall_outside)

您可以通过同时查看所有列来检查这是否有效：

cbind(df,bounds,one_plus_fall_outside)