如何在R语言中将列名传入自定义离群值查询函数？

你的代码存在两个关键问题，导致无法得到预期结果，下面是修正方案：

核心问题分析 #

1. 函数调用错误：调用find_outliers时缺少第一个必填参数my_data，且列名需要以字符串形式传入（或通过非标准求值处理）。
2. 列索引方式错误：my_data$colname是按字面量查找名为colname的列，而非使用变量colname的值去匹配列，必须改用[[ ]]运算符实现变量索引。

基础版修正代码（字符串传参） #

my_data= data.frame( sex= c("f", "m", "f", "f", "m"),
                     age= c(22, 30, 24, 27, 30),
                     eduyears= c(12,16, 15, 12, 17),
                     weight= c(53, 70, 60, 110, 75),
                     height= c(160, 183, 157, 168, 180))

find_outliers= function (my_data, colname) {
  # 使用[[ ]]引用变量指定的目标列
  out_values= boxplot.stats(my_data[[colname]])$out
  # 匹配离群值所在行的索引
  out_ind= which(my_data[[colname]] %in% out_values) 
  # 提取指定列的离群值相关信息
  outliers= my_data[out_ind ,c("sex","age","eduyears", colname)] 
  return (outliers)
}

# 调用时传入数据集和字符串形式的列名
find_outliers(my_data, "weight")

运行后会返回预期结果：

sex age eduyears weight
4   f  27       12    110

进阶版（支持无引号传参） #

如果希望像使用dplyr语法一样不用引号传列名，可以通过substitute()和deparse()处理非标准求值：

find_outliers= function (my_data, colname) {
  # 将传入的列名表达式转为字符串
  colname <- deparse(substitute(colname))
  out_values= boxplot.stats(my_data[[colname]])$out
  out_ind= which(my_data[[colname]] %in% out_values) 
  outliers= my_data[out_ind ,c("sex","age","eduyears", colname)] 
  return (outliers)
}

# 无需加引号直接传入列名
find_outliers(my_data, weight)

内容的提问来源于stack exchange，提问作者maya zadok