R语言对变量进行分位数异常值筛选， 并用中位数替换极值（outlier）

R语言可以使用一些统计函数和方法来对变量进行分位数异常值筛选，并用中位数替换极值（outlier）。

以下是一个示例代码，其中我们使用mtcars数据集中的mpg变量作为示例：

# 加载数据集
data(mtcars)

# 查看mpg变量的分布情况
hist(mtcars$mpg)

# 使用quantile()函数计算mpg变量的分位数
quantiles <- quantile(mtcars$mpg, probs = c(0.25, 0.75), na.rm = TRUE)
lower_quantile <- quantiles[1]
upper_quantile <- quantiles[2]

# 使用IQR()函数计算mpg变量的四分位距
iqr <- IQR(mtcars$mpg, na.rm = TRUE)

# 计算最小和最大的合理值
lower_limit <- lower_quantile - 1.5 * iqr
upper_limit <- upper_quantile + 1.5 * iqr

# 筛选出超过上下限的异常值
outliers <- mtcars$mpg < lower_limit | mtcars$mpg > upper_limit

# 用中位数来替换异常值
mtcars$mpg[outliers] <- median(mtcars$mpg, na.rm = TRUE)

# 重新查看mpg变量的分布情况
hist(mtcars$mpg)

在上面的代码中，我们首先使用hist()函数查看mpg变量的分布情况。然后，我们使用quantile()函数计算出mpg变量的下四分位数和上四分位数，并使用IQR()函数计算四分位距。接下来，我们计算出最小和最大的合理值，并使用逻辑运算符和比较运算符来筛选出所有异常值。最后，我们使用median()函数来计算中位数，并将其用于替换所有异常值。最后，我们再次使用hist()函数来查看mpg变量的分布情况，可以看到异常值已经被替换掉了。