如果这是重复，我道歉，我真的不知道我正在努力实现的正确术语。
我有一个药物实验室结果的数据框如下：
╔══════╦════════╗ ║ drug ║ result ║ ╠══════╬════════╣ ║ A ║ 10 ║ ║ B ║ 150 ║ ║ B ║ 50 ║ ║ A ║ 14 ║ ║ C ║ 3 ║ ║ C ║ 7 ║ ╚══════╩════════╝
对于每种药物，我使用dplyr使用以下方法删除异常值（平均值> 4 SD）：
cleaned <- data %>% group_by(drug) %>% filter(abs(result-mean(result))/sd(result) < 4)
但是现在我想知道我每种药物移除了多少异常值，所以基本上我想生成一个如下所示的数据帧：
╔══════╦═══════════╦══════════╦════════════╗ ║ drug ║ total (N) ║ outliers ║ % outliers ║ ╠══════╬═══════════╬══════════╬════════════╣ ║ A ║ 100 ║ 7 ║ 0.07 ║ ║ B ║ 200 ║ 45 ║ 0.225 ║ ║ C ║ 300 ║ 99 ║ 0.33 ║ ╚══════╩═══════════╩══════════╩════════════╝
这样做的最佳方式是什么？
答案 0 :(得分：4)
由于没有样本数据，我决定使用mtcars数据集进行演示。如果我按照你的方法，以下将是一种方式。在这里，您想要找出您过滤掉的数据部分;您使用setdiff()来收集数据。由于am是此演示中的组变量，因此请使用count()并查找每个组存在多少异常值（即am为0或1）。您进一步尝试使用select和unlist获取所需的向量。然后，您使用summarise()并计算am存在的数据点数，并使用mutate()添加新列。
library(dplyr)
library(tidyr)
mtcars %>%
group_by(am) %>%
filter(abs(disp-mean(disp))/sd(disp) < 1) %>%
setdiff(mtcars, .) %>%
count(am) %>%
select(2) %>%
unlist-> out
#out
#n1 n2
#8 2
summarize(group_by(mtcars, am), total = n()) %>%
mutate(outliers = out, percent = outliers / total)
# am total outliers percent
# (dbl) (int) (int) (dbl)
#1 0 19 8 0.4210526
#2 1 13 2 0.1538462
采取devmacrile的建议，我做了以下事情。首先，使用组变量对数据进行分组。然后，您要设置标志列。在这里，我使用mutate()创建了列。列中有TRUE和FALSE。您可以计算am中check和count()存在的数据点数。然后，您使用spread()包中的tidyr重新整理结果。现在计算am中0组和1组的总数据点。您再次使用am对数据进行分组，最后在transmute()中处理百分比计算和列重命名。我希望这个样本能帮到你。
mtcars %>%
group_by(am) %>%
mutate(check = abs(disp-mean(disp))/sd(disp) < 1) %>%
count(am, check) %>%
spread(check, n) %>%
mutate(total = `FALSE` + `TRUE`) %>%
group_by(am) %>%
transmute(total, outliers = `FALSE`, percentage = `FALSE` / total)
# am total outliers percentage
# (dbl) (int) (int) (dbl)
#1 0 19 8 0.4210526
#2 1 13 2 0.1538462
答案 1 :(得分：2)
我将创建一个标志字段（即1或0），指示结果是否为异常值，然后将其输入相应的摘要中，而不是直接过滤（）。