我的数据中有几种情况和几种测量类型。
我希望R分别为我提供每对条件和测量类型的异常值。
举例来说，假设我有3个条件（1-3）和3种类型的度量（AC），用于多个参与者，每行都有一个值x。我想获取条件1和量度A，条件2和量度B等的x值的离群值
（量度和条件均非数字）
我尝试创建一个循环
for(d in unique(data$measure)){
for(c in unique(data$condition)){
data %>%
filter(measure == d, condition ==c) %>%
o <- outlier(data$value) %>%
print(o)
}
}
这个想法是R将遍历每个条件并进行循环测量，并且每次都会挑选出与这些条件匹配的值并计算离群值。当我运行整个代码时，我收到此错误消息
Error in print.default(., o) : invalid printing digits -2147483648
In addition: Warning message:
In print.default(., o) : NAs introduced by coercion to integer range
（如果我没有循环运行它，例如通过搜索特定条件的离群值，那么它在第一行之后也找不到管道函数。）
关于如何正确编码的任何想法？
您已经在使用dplyr，所以我建议您使用group_by，因为（对我而言）这是一种处理数据的更自然的方式。
另外，这部分语法不正确：
data %>%
filter(measure == d, condition ==c) %>%
o <- outlier(data$value) %>%
print(o)
为什么？
本filter(...) %>%应输送至东西接受的框架，但是...你要发送的输出filter入分配 o <- outlier(...)（然后print(o)，它真正的意思print(., o)，其中.是从以前的命令的输出。
此外，由于o尚未在第一次运行时定义...，您应该会遇到关于的错误object 'o' not found。您不会在循环的后续遍历中得到它，因为它确实存在...但是，如果是的话，那是循环中前一次迭代的异常值。当然不是您应该使用的。
该代码的直接更正可能是：
for (...) {
for (...) {
o <- data %>%
filter(measure == d, condition ==c) %>%
do({ data.frame(outliers = outlier(.$value)) })
print(o)
}
}
其中o将一个data.frame（当然，tbl_dftibble）与三列：measure，condition，和outliers。使用的do是需要在这种情况下，因为大多数非tidyverse函数忽略group_by分组，所以我们要用do到侧步这个问题。
不过，也许这可以将两个循环替换为一个命令：
data %>%
group_by(measure, condition) %>%
summarize(outliers = outlier(value)) %>%
ungroup()
我假设你想要的是对的每个唯一组合的所有异常值measure和condition，并且该outlier(.)函数返回一个向量（一些长度> = 1）。如果没有发现异常值，则不会包含measure/condition对...如果这是一个因素，则使用类似
data %>%
group_by(measure, condition) %>%
summarize(outliers = list(outlier(value))) %>%
tidyr::unnest(outliers, keep_empty = TRUE) %>%
ungroup()
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句