在R中实现循环对多列执行Tukey法识别异常值的求助

嘿，我知道你卡在哪了——你之前的循环每次都把结果写到同一个固定列名里，每一轮都会覆盖上一轮的结果，最后自然只剩最后一列的标识啦。咱们只要给每个新生成的标识列加上原变量的名字，就能区分开每一列的异常值标记了！

正确的循环实现代码 #

这里我会用列名循环（比索引更直观），同时通过字符串拼接生成对应原变量的新列名：

# 先获取需要处理的4到41列的名称
target_cols <- colnames(mydata)[4:41]

# 循环处理每一列
for (col_name in target_cols) {
  # 提取当前列的数据
  current_data <- mydata[[col_name]]
  
  # 计算Tukey法需要的统计量
  iqr_val <- IQR(current_data)
  q1 <- quantile(current_data)[[2]]  # 25%分位数
  q3 <- quantile(current_data)[[4]]  # 75%分位数
  
  # 拼接对应原列名的新标识列名
  medium_low <- paste(col_name, "Medium_Outliers_low", sep = "_")
  medium_high <- paste(col_name, "Medium_Outliers_high", sep = "_")
  extreme_low <- paste(col_name, "Extremes_Outliers_low", sep = "_")
  extreme_high <- paste(col_name, "Extremes_Outliers_high", sep = "_")
  
  # 生成并添加异常值标识列
  mydata[[medium_low]] <- ifelse(current_data < q1 - 1.5*iqr_val, 1, 0)
  mydata[[medium_high]] <- ifelse(current_data > q3 + 1.5*iqr_val, 1, 0)
  mydata[[extreme_low]] <- ifelse(current_data < q1 - 3*iqr_val, 1, 0)
  mydata[[extreme_high]] <- ifelse(current_data > q3 + 3*iqr_val, 1, 0)
}

关键改进点说明 #

1. 动态生成列名：用paste()把原变量名和标识类型拼接，比如原列是age，就会生成age_Medium_Outliers_low这样的列，清晰对应原变量。
2. 用[[ ]]赋值：$符号只能识别固定的列名，而[[ ]]可以接收字符串变量，实现动态添加新列的需求，避免覆盖问题。
3. 提取当前列数据：先把当前列数据存到临时变量里，代码更简洁易读。

这样运行后，你的数据集里就会为37列变量各生成4个对应的异常值标识列啦。

内容的提问来源于stack exchange，提问作者Bordes C