使用group_by() %>% group_modify()调用自定义异常值移除函数时的错误排查及tidyverse优化实现问询

你的错误根源在于自定义函数rm.outliers中列的提取方式。当使用group_modify时，传入函数的分组数据是tibble类型，而你用data[,c(column)]提取列时，返回的是一个单列tibble，而非原子向量。这会导致后续的逻辑筛选操作出现索引错误（错误信息里的“位置不存在”就是因为R把tibble当成了行索引来处理）。

修复自定义函数 #

只需要把函数中提取列的方式从data[,c(column)]改成data[[column]]（[[会直接返回列对应的向量），修改后的函数如下：

rm.outliers <- function(data, column){
  Q <- quantile(data[[column]], probs=c(.25, .75), na.rm = FALSE)
  iqr <- IQR(data[[column]])
  up <- Q[2] + 1.5*iqr # Upper Range
  low <- Q[1] - 1.5*iqr # Lower Range
  data <- data[data[[column]] < up & data[[column]] > low, ]
  data
}

现在再运行你原来的管道代码，就能正常工作了：

dataset <- dataset %>% 
  group_by(patient_id, timepoint) %>% 
  group_modify(~rm.outliers(.x,"Mean")) %>% 
  ungroup()

更简洁的tidyverse实现方式 #

其实完全不需要自定义函数，直接用dplyr的filter结合between函数，在分组后直接完成异常值过滤，代码更简洁易读：

dataset_cleaned <- dataset %>%
  group_by(patient_id, timepoint) %>%
  filter(between(Mean, 
                 quantile(Mean, 0.25, na.rm = TRUE) - 1.5*IQR(Mean, na.rm = TRUE), 
                 quantile(Mean, 0.75, na.rm = TRUE) + 1.5*IQR(Mean, na.rm = TRUE))) %>%
  ungroup()

这里我额外加上了na.rm = TRUE，避免如果数据中有NA值时出现计算错误，你可以根据实际情况调整。

内容的提问来源于stack exchange，提问作者Cecilia López