r - 如何让这段R代码更优雅？

Question

我正在解决一个 R 练习，但我认为我可以将这段代码写得更优雅或更简单。我正在使用来自 ggplot2 的钻石数据集。我必须从数值变量中删除离群值，对我来说离群值是一行，其中任何数值变量高于或低于中值 +/- 3 倍 MAD(中值绝对偏差)。我的实际代码非常手动:

library(dplyr)

filter(numeric.vars, 
    carat > median(carat) - 3 * mad(carat),
    carat < median(carat) + 3 * mad(carat),
    depth > median(depth) - 3 * mad(depth),
    depth < median(depth) + 3 * mad(depth),
    table > median(table) - 3 * mad(table),
    table < median(table) + 3 * mad(table),
    price > median(price) -3 * mad(price),
    price < median(price) +3 * mad(price),
    x > median(x) - 3 * mad(x),
    x < median(x) + 3 * mad(x),
    y > median(y) - 3 * mad(y),
    y < median(y) + 3 * mad(y),
    z > median(z) - 3 * mad(z),
    z < median(z) + 3 * mad(z)) -> clean

我是否应该执行类似 apply(numeric.vars,1, myCustomFunction) 的操作以在每一行上应用条件？虽然按行，但我不知道一个数据属于哪一列。

Answer 1

我们创建了一个numeric列的逻辑索引('numeric.vars')，遍历数据集的这些列，应用median和的条件mad，并检查所有变量是否符合每行的条件(使用 Reduce 和 &)来创建逻辑 vector ('i1') 我们用来对“钻石”数据集的行进行子集化。

numeric.vars <- sapply(diamonds, is.numeric)
i1 <-  Reduce(`&`, lapply(diamonds[numeric.vars], function(v) 
        (v > median(v) - 3* mad(v)) & (v < median(v) + 3 * mad(v))) )
SubDiam <- diamonds[i1,]
nrow(SubDiam)
#[1] 44736

基于OP的代码

nrow(clean)
#[1] 44736