无法在R的dplyr中编写正确的异常值处理自定义函数

问题描述 #

尝试用dplyr语法编写修正变量异常值的函数时运行报错，已写出可行的Base R版本，需修复dplyr版本的问题。

错误的dplyr函数代码 #

fn_outlier_fix <- function(x, df){
  x = enquo(x)
  
  Q1 = df %>% pull(!!x) %>% quantile(0.25) %>% unname()
  Q3 = df %>% pull(!!x) %>% quantile(0.75) %>% unname()
  IQR = Q3 - Q1
  UC = Q3 + (1.5 * IQR)
  LC = Q3 - (1.5 * IQR)
  
  df <- df %>% 
    mutate(!!x := if_else(x > UC,UC,!!x),
           !!x := if_else(x < LC,LC,!!x))
}

测试数据与调用代码 #

library(dplyr)

df_test <- tribble(
  ~sales, ~var1, ~var2,
  22, 230.1,  37.8,
  10, 44.5,  39.3,
  9,  17.2,  45.9,
  19, 151.5,  41.3,
  13, 180.8,  10.8,
  7,  8.7,    48.9,
  12, 57.5,   32.8,
  13, 120.2,  19.6,
  5,  8.6,    2.1,
  11, 199.8,  2.6)

调用代码：

fn_outlier_fix(x = var1, df = df_test)

报错信息 #

Error in mutate():
! Problem while computing var1 = if_else(x > UC, UC, var1).
Caused by error in if_else():
! Base operators are not defined for quosures. Do you need to unquote the quosure?

Bad: myquosure > rhs #

Good: !!myquosure > rhs #

Backtrace:

1. global fn_outlier_fix(x = var1, df = df_test)
2. rlang:::Ops.quosure(x, UC)

可行的Base R版本函数 #

fn_outlier_fix <- function(x){
  
  Q1 = quantile(x, 0.25)
  Q3 = quantile(x, 0.75)
  IQR = Q3 - Q1
  UC = Q3 + (1.5 * IQR)
  LC = Q1 - (1.5 * IQR)
  
  x[x > UC] <- UC
  x[x < LC] <- LC
  
  x <- x
}

修复后的dplyr函数及解释 #

修复后代码 #

fn_outlier_fix <- function(x, df){
  x <- enquo(x)
  
  Q1 <- df %>% pull(!!x) %>% quantile(0.25) %>% unname()
  Q3 <- df %>% pull(!!x) %>% quantile(0.75) %>% unname()
  IQR_val <- Q3 - Q1  # 避免与内置函数IQR重名
  UC <- Q3 + (1.5 * IQR_val)
  LC <- Q1 - (1.5 * IQR_val)  # 修正原代码的下限计算错误
  
  df %>% 
    mutate(!!x := if_else(!!x > UC, UC, !!x),
           !!x := if_else(!!x < LC, LC, !!x))
}

关键修复点 #

• 解引用quosure对象：if_else条件判断中必须用!!x替代x，x是quosure类型，无法直接参与比较，!!用于取出变量实际值。
• 修正异常值下限计算：原代码中LC = Q3 - 1.5*IQR错误，正确逻辑是Q1 - 1.5*IQR，同步Base R版本的正确逻辑。
• 返回处理后的数据框：原代码未返回结果，修复后利用dplyr管道自动传递最后一步的处理结果。
• 避免变量名冲突：将IQR改为IQR_val，防止与R内置的IQR()函数重名引发问题。

测试验证 #

fixed_df <- fn_outlier_fix(var1, df_test)
print(fixed_df$var1)

输出结果中，超出上下限的异常值会被修正为对应临界值。

内容的提问来源于stack exchange，提问作者ViSa