R语言：循环处理Data Frame第4至末列并在97.5百分位数处截断值

嘿，这个需求在数据预处理里太常见了——尤其是处理异常值的时候对吧？我给你分享几种实用的实现方式，都是专门针对DataFrame第4列到最后一列的操作，你可以根据自己的习惯选：

如果你习惯用原生R的工具，用apply()函数可以批量处理列，不用写繁琐的循环（当然循环也能实现，我后面也会附上）。

# 假设你的DataFrame名为df
# 先确定要处理的列范围：第4列到最后一列
cols_to_process <- 4:ncol(df)

# 按列批量处理：计算97.5百分位数并截断
df[cols_to_process] <- apply(df[cols_to_process], 2, function(col) {
  # 计算当前列的97.5百分位数，na.rm=TRUE处理缺失值（可选但推荐）
  p97.5 <- quantile(col, probs = 0.975, na.rm = TRUE)
  # 把大于百分位数的值替换成百分位数，其余值保留
  ifelse(col > p97.5, p97.5, col)
})

要是你觉得匿名函数有点绕，用for循环更直观的话，试试这个版本：

for (col_idx in cols_to_process) {
  # 计算当前列的97.5百分位数
  p97.5 <- quantile(df[[col_idx]], probs = 0.975, na.rm = TRUE)
  # 执行截断操作
  df[[col_idx]] <- ifelse(df[[col_idx]] > p97.5, p97.5, df[[col_idx]])
}

如果你平时用dplyr这类工具写代码，用管道语法会更流畅，可读性也更强：

library(dplyr)

df <- df %>%
  # across() 指定要处理的列：第4列到最后一列
  mutate(across(4:last_col(), ~ {
    p97.5 <- quantile(.x, probs = 0.975, na.rm = TRUE)
    ifelse(.x > p97.5, p97.5, .x)
  }))

这里的.x代表当前正在处理的列，整个逻辑和Base R版本一致，但写法更贴近“数据处理流水线”的思路。

你可以用下面的测试数据验证一下：

set.seed(123) # 设置随机种子，保证结果可重复
df <- data.frame(
  col1 = 1:10,
  col2 = 1:10,
  col3 = 1:10,
  col4 = 1:100, # 这列的97.5百分位数是97.5，98-100会被截断
  col5 = sample(1:200, 100, replace = TRUE)
)

处理完后，你可以用quantile(df$col5, 0.975)先算出col5的97.5百分位数，再查看处理后的列，就能确认超过的值都被替换成了对应的百分位数。

内容的提问来源于stack exchange，提问作者Prince