r语言中设计一个函数，找出每家商店的异常值

在R语言中，设计一个函数来检测商店数据中的异常值通常涉及到统计学的概念，如箱线图（Boxplot）或者Z-score、IQR方法等。这里我会提供一个简单的示例，如何使用`boxplot()`和`outlierTest()`函数来帮助识别异常值：

# 定义一个虚构的商店销售数据
sales_data <- data.frame(
  store = c("A", "B", "C", "D", "E"),
  sales = c(500, 700, 800, 600, 900,
            450, 750, 1000, 550, 950,
            550, 750, 850, 650, 1050)
)

# 创建一个函数，用于找出每个商店的异常值
detect_outliers <- function(data) {
  # 对每个商店的数据框应用boxplot
  boxplots <- lapply(split(sales_data$sales, sales_data$store), boxplot)
  
  # 使用outlierTest()检查并提取异常值
  outliers <- purrr::map(boxplots, function(x) {
    z_scores <- abs(scale(x)) > 3 # 常见的阈值为3（超过3个标准差被认为是异常）
    x[z_scores]
  })
  
  # 结果是一个list，包含每个商店的异常值
  outliers_list <- list(outliers = outliers)
  return(outliers_list)
}

# 调用函数并查看结果
result <- detect_outliers(sales_data)
result$outliers

在这个函数中，我们首先通过`split()`将销售数据按商店分组，然后对每个商店的数据创建一个箱线图。接着，我们计算每个商店销售额的z得分，并设置一个阈值（比如3），大于这个阈值的数据点被认为是异常值。