如何将数据框中3倍标准差外的异常值提取至独立data frame？

可以通过转换数据格式+分组计算阈值+筛选的方式实现，不需要修改原来的替换NA代码，直接从原始数据tpose_genexp提取即可，具体方案如下：

代码实现 #

library(tidyverse)

# 1. 将宽格式数据转为长格式，保留行名为Sample列
long_data <- tpose_genexp %>%
  rownames_to_column(var = "Sample") %>%
  pivot_longer(cols = contains("G"), names_to = "Gene", values_to = "Expression")

# 2. 按Gene分组，计算每个基因的均值、3倍标准差阈值，筛选异常值
outliers_df <- long_data %>%
  group_by(Gene) %>%
  mutate(
    col_mean = mean(Expression, na.rm = TRUE),
    col_sd = sd(Expression, na.rm = TRUE),
    is_outlier = abs(Expression - col_mean) > 3 * col_sd
  ) %>%
  filter(is_outlier) %>%
  ungroup() %>%
  select(Sample, Gene) # 保留需要的两列

代码说明 #

• rownames_to_column：把原数据的行名（Sample）转为显式列，方便后续提取。
• pivot_longer：将所有以"G"开头的列（基因列）转为长格式，每一行对应一个Sample-Gene的表达值。
• group_by(Gene)：按基因分组，确保每个基因都用自己列的均值和标准差计算阈值。
• abs(Expression - col_mean) > 3 * col_sd：判断当前表达值是否偏离均值超过3倍标准差。
• 最后筛选出异常值行，只保留Sample和Gene列，就得到你需要的格式。

补充说明 #

如果你的原始数据里已经有NA值，记得在计算mean和sd时加上na.rm = TRUE，避免计算出错。

内容的提问来源于stack exchange，提问作者Daisy