如何筛选timeDiff超均值±2标准差的唯一ID全行列数据集子集并排序？

你的代码问题出在逻辑判断的方式上——unique(myDataset$ID)返回的是唯一ID的向量，和后面的timeDiff条件做&运算时长度不匹配，而且逻辑上也不是先筛选符合条件的ID再提取全部行。按需求分两步走就清晰了：

步骤1：筛选出符合timeDiff条件的唯一ID #

先找出所有timeDiff超出均值±2个标准差的行对应的ID，再去重得到要保留的ID列表：

# 先找出符合timeDiff条件的行的ID，再去重
target_ids <- unique(myDataset$ID[myDataset$timeDiff >= mean_time_diff_rounded + 2*sd_time_diff_rounded | 
                                   myDataset$timeDiff <= mean_time_diff_rounded - 2*sd_time_diff_rounded])

步骤2：提取这些ID的全部行并排序 #

用筛选出的ID列表提取原数据集的所有对应行，再用order()按ID排序：

# 提取目标ID的所有行
data_subset <- myDataset[myDataset$ID %in% target_ids, ]
# 按ID排序
data_subset_sorted <- data_subset[order(data_subset$ID), ]

如果用dplyr包会更简洁，代码可读性更高：

library(dplyr)

data_subset_sorted <- myDataset %>%
  # 先标记出符合timeDiff条件的ID
  group_by(ID) %>%
  mutate(is_outlier = any(timeDiff >= mean_time_diff_rounded + 2*sd_time_diff_rounded | 
                           timeDiff <= mean_time_diff_rounded - 2*sd_time_diff_rounded)) %>%
  ungroup() %>%
  # 保留有异常值的ID的所有行
  filter(is_outlier) %>%
  # 按ID排序
  arrange(ID) %>%
  # 去掉临时标记列
  select(-is_outlier)

这样就能得到你要的结果：所有满足timeDiff超出±2σ的唯一ID的全部行，且按ID排序的数据集。

内容的提问来源于stack exchange，提问作者athena45