如何分别排除目标对象和R中的离群值

Question

我（R）非常陌生，我想知道是否能得到一些帮助。我想知道如何排除每个参与者的平均反应时间和每个目标的平均反应时间两个标准差的离群值，并将其替换为na。

我的数据看起来像这样：

ptp  rt    group   target
1    1094  E       dog
1    2100  E       hat
2    918   E       dog
2    1211  E       hat
3    1142  E       dog
3    1222  E       hat
1    10    W       dog
1    993   W       hat
2    897   W       dog
2    1078  W       hat
3    4002  W       dog
3    899   W       hat

我已经计算出每个参与者和项目的均值和标准差

mean <- tapply(data$rt, data$target, mean)
sd <-  tapply(data$rt, data$target, sd)
mean <-  tapply(data$rt, data$ptp, mean)
sd <- tapply(data$rt, data$ptp, sd)

但是，我是R的超级新手，并计算出代码来计算均值的两个标准差（均值1.96 * SD和均值1.96 * SD），并转换两个均在范围之外的所有值NA的参与者超出了我。必须有比手工完成更简单的方法！任何帮助将不胜感激。

非常感谢您，仁

Answer 1

要获得良好的摘要统计信息，可以使用aggregate()。

aggregate(rt ~ target + ptp, dat, function(x) c(mean=mean(x), sd=sd(x), sd196=sd(x)*1.96))
#   target ptp    rt.mean      rt.sd rt.sd196
# 1    dog   1  552.00000  766.50375 1502.34735
# 2    hat   1 1546.50000  782.76721 1534.22373
# 3    dog   2  907.50000   14.84924   29.10452
# 4    hat   2 1144.50000   94.04520  184.32860
# 5    dog   3 2572.00000 2022.32539 3963.75777
# 6    hat   3 1060.50000  228.39549  447.65516

对于排除（假设您想排除每个"target"的整个观测值，您可以使用NA将数据的子集设置为ave()。

dat$rt[with(dat, ave(rt, target, ptp, FUN=function(x) mean(x)/sd(x))) > 1.96] <- NA
#    ptp   rt group target
# 1    1 1094     E    dog
# 2    1   NA     E    hat
# 3    2   NA     E    dog
# 4    2   NA     E    hat
# 5    3 1142     E    dog
# 6    3   NA     E    hat
# 7    1   10     W    dog
# 8    1   NA     W    hat
# 9    2   NA     W    dog
# 10   2   NA     W    hat
# 11   3 4002     W    dog
# 12   3   NA     W    hat

[不排除整个参与者，请勿将ptp包括在ave()中并执行：

dat$rt[with(dat, ave(rt, target, FUN=function(x) mean(x)/sd(x))) > 1.96] <- NA

NB：事先检查名称是否尚未分配给功能。在您的示例中，使用mean()和sd()函数创建了一个冲突。

数据

dat <- structure(list(ptp = c(1L, 1L, 2L, 2L, 3L, 3L, 1L, 1L, 2L, 2L, 
3L, 3L), rt = c(1094L, 2100L, 918L, 1211L, 1142L, 1222L, 10L, 
993L, 897L, 1078L, 4002L, 899L), group = c("E", "E", "E", "E", 
"E", "E", "W", "W", "W", "W", "W", "W"), target = c("dog", "hat", 
"dog", "hat", "dog", "hat", "dog", "hat", "dog", "hat", "dog", 
"hat")), row.names = c(NA, -12L), class = "data.frame")

Answer 2

根据我的经验，最好的捷径是：

library(dplyr)

data_2SD <- data %>% 
  group_by(ptp,target) %>% 
  mutate_at(vars(rt), ~replace(.x, abs(scale(.x)) >= 2, NA))
在您的情况下，没有这样的观察结果，按ptp和target分组，它们大于或小于其平均反应时间的两个标准偏差：

输出：

> data_2SD
# A tibble: 12 x 4
# Groups:   ptp, target [6]
     ptp    rt group target
   <dbl> <dbl> <chr> <chr> 
 1     1  1094 E     dog   
 2     1  2100 E     hat   
 3     2   918 E     dog   
 4     2  1211 E     hat   
 5     3  1142 E     dog   
 6     3  1222 E     hat   
 7     1    10 W     dog   
 8     1   993 W     hat   
 9     2   897 W     dog   
10     2  1078 W     hat   
11     3  4002 W     dog   
12     3   899 W     hat