如何自动为各数值变量创建取值为Yes/No的相邻异常值标识列？

可以实现完全自动化处理，下面是基于DescTools包的解决方案，支持批量处理任意数量的数值变量，自动将异常值标识列插入到对应原变量的紧邻位置：

完整代码实现 #

library(DescTools)

# 示例数据集
ID<-1:10
Weight<-c(65.1,70.3, 22, 45, 150,68.5,87.2,66.4,59.2,72.3)
Sex<-c("M","F","F","F","M","F","M","M","F","F")
Height<-c(1.3, 1.65, 1.75, 1.86, 1.79, 1.76, 1.1, 2.65, 1.75,1.65)
City= head(LETTERS,10)
Income<- c(1200,2000,2100,2550,12000,800,3000,2400,1895,2300)
mydata2<-data.frame(ID,Weight,Sex,Height,City,Income)

# 筛选需要处理的数值变量（排除ID这类非分析型数值列，可根据需求调整）
num_vars <- names(mydata2)[sapply(mydata2, is.numeric)]
num_vars <- setdiff(num_vars, "ID")

# 批量生成并插入异常值标识列
for(var in num_vars) {
  # 获取当前变量的异常值
  outliers <- Outlier(mydata2[[var]])
  # 生成yes/no标识列
  outlier_col <- ifelse(mydata2[[var]] %in% outliers, "yes", "no")
  # 设置标识列名称
  col_name <- paste0(var, "_outlier")
  # 找到原变量的位置，插入标识列到其后
  var_position <- which(names(mydata2) == var)
  mydata2 <- insert(mydata2, after = var_position, col_name = outlier_col)
}

# 查看处理后的数据集
print(mydata2)

代码说明 #

• 筛选数值变量：自动识别数据集中的数值型列，并排除不需要处理的标识列（如ID），可根据实际数据集修改setdiff的参数。
• 批量处理逻辑：循环遍历每个目标数值变量，用Outlier()识别异常值，生成对应的yes/no标识列。
• 位置控制：利用DescTools::insert()函数，将标识列精准插入到原变量的下一个位置，保证紧邻排列。
• 兼容性：即使某个变量没有异常值（Outlier()返回NULL），代码也会自动生成全为no的标识列，不会报错。

自定义调整 #

如果需要修改异常值的检测规则，可调整Outlier()的参数，比如：

# 改用3*IQR的阈值检测异常值（默认是1.5*IQR）
outliers <- Outlier(mydata2[[var]], method = "boxplot", coef = 3)

内容的提问来源于stack exchange，提问作者Seydou GORO