RでX座標とY座標を持つグループ別にデータフレーム内の異常値を見つけるには？

Question

私は外れ値を座標とグループでRで見つける必要があります。

マイデータフレームは次のようになります。

22334444 
22335544 
11335552 

しかし、私は自動でグループが異常値を得ることができませんでした：

Name, Group, X, Y 
Bob, 2, -300, 20 
Karl, 4, 200, 10 
Sara, 2, -298, 19 
Hans, 4, 210, 12 
Anna, 3, -700, 100 
Maria,3, -690, 110 
Lars, 2, 100, 50 
etc. 

私は次のようになりますグループによる散布図を作るために管理しました新しいデータフレームとしてのクラスタリング（最近傍点？）

（ラースのように、彼は遠く離れてグループ2から、他の人からである）

グループによってあなたの行列をサブセットループについてどのように

Outliers_DF 
    Name, Group,X, Y 
    Lars, 2, 100, 50 
    Sam, 3, 900, 70 
    Trixi, 11, 200 , 2 

Answer 1

のようにDFを持っていいだろう各部分集合の距離行列に対して階層的クラスタリングを実行する。その後、出力内の各hclustオブジェクトから最も遠い観測の詳細を取得できます。最初にグループ列を取得し、グループの一意の数を見つけてから、この長さのリストを出力に事前に割り当てます。

grpcol <- df$Group 
ngroup <- unique(grpcol) 
output <- vector("list", length(unique(grpcol))) 

は今、我々はループを実行します。「df内のすべてのグループの場合、その距離行列にhclustを実行して、対応する行列のサブセット、および事前に割り当てられたリスト内の結果オブジェクトを置きます。」

for (grp in ngroup) { 
    mat <- df[df$Group %in% grp, -2] 
    output[[grp]] <- hclust(dist(mat)) 
} 

私はそれは、このデータフレームdf（それが動作しますので、私は2つの余分な人を追加注意してください）で動作チェックしました：あなたはグループに[を使用し、個々のクラスタを取得するには

structure(list(Group = c(2L, 4L, 2L, 4L, 3L, 3L, 2L, 3L, 4L), 
X = c(-300L, 200L, -298L, 210L, -700L, -690L, 100L, -680L, 
220L), Y = c(20, 10, 19, 12, 100, 110, 50, 120, 14)), .Names = c("Group", 
"X", "Y"), class = "data.frame", row.names = c("Bob", "Karl", 
"Sara", "Hans", "Anna", "Maria", "Lars", "Person1", "Person2")) 

たとえば、output[2]とします。 ,$order、$labelsから値を抽出すると便利です。$height、$order、$labelsから値を抽出します。 （SOを検索することで簡単にこれを行う方法を見つけることができます）また、異常値を判断するための基準を考える必要があります。