如何使用R识别并删除data.frame中的异常值

错误原因 #

你调用rstatix::identify_outliers()的逻辑存在以下问题：

• 该函数接收向量时返回的是包含异常值详情的data.frame对象，不是异常值本身的数值向量，你直接用df$score %in% out_df的匹配逻辑完全不成立，因此无法定位到要删除的行。
• 推荐优先给identify_outliers()传入完整data.frame并指定要检测的列，更方便后续的行匹配操作。

修正后可运行代码 #

library(rstatix)
library(dplyr)

df <- data.frame(
  sample = 1:20,
  score = c(rnorm(19, mean = 5, sd = 2), 50))

# 检测异常值，传入完整数据框指定检测列
out_df <- identify_outliers(df, score)

# 方法1：基于行索引删除异常值
df2 <- df[-which(df$score %in% out_df$score), ]

# 方法2：更稳妥的反选逻辑，避免which返回空值时报错
df2 <- df[!df$score %in% out_df$score, ]

# 验证删除结果
View(df2)

额外注意事项 #

• 如果你的数据存在多列异常值需要检测，可直接在identify_outliers()中传入多列参数，后续匹配逻辑对应调整即可。
• 如果需要保留异常值做单独分析，可以用dplyr::anti_join()直接拆分正常数据和异常值数据，代码可读性更高。

内容的提问来源于stack exchange，提问作者wesleysc352