1 データ

d <- read.csv(file = 'https://stats.dip.jp/01_ds/data/data_cleansing2_dirty_data_exercise.csv')

library(DT)
datatable(d)
m <- as.matrix(d)

2 可視化する場合

boxplot(m)

any(m < 0)
## [1] TRUE
any(abs(m) > 3*sd(m))
## [1] TRUE
jj <- 25:35
boxplot(m[, jj])

j <- 27
y <- m[, j]

barplot(height = y,names.arg = 1:nrow(m))

ii <- 525:540
y <- m[ii, j]

barplot(height    = y,
        cex.names = 0.4,
        names.arg = paste(ii, '\n(', y, ')'))

m[531, j]
##   V27 
## -0.92
jj <- 80:90
boxplot(m[, jj])

j <- 83
y <- m[, j]

barplot(height = y,names.arg = 1:nrow(m))

ii <- 670:685
y <- m[ii, j]

barplot(height    = y,
        cex.names = 0.4,
        names.arg = paste(ii, '\n(', y, ')'))

m[675, j]
##   V83 
## -0.55

3 可視化しないで直接的に求める場合

# 負の値
m[m < 0]
## [1] -42.00  -0.92  -0.55  -0.03
sigma <- sd(m) # 標準偏差

# 3シグマ（標準偏差の３倍）を超える値
m[abs(m) > 3*sigma]
## [1] -42  22 111
# 4シグマ（標準偏差の4倍）を超える値
m[abs(m) > 4*sigma]
## [1] -42  22 111
# 行と列のインデックス（Row, Col）と値（Value）のデータを作成
m.a <- NULL # 結果格納用の空のオブジェクトを作成

for (j in 1:ncol(m))
{
  for (i in 1:nrow(m))
  { # 負値または3シグマを超える異常値を検出しレコードを追加していく。
    if ( m[i, j] < 0 | m[i, j] > 3 * sigma )
    {
      cat('Row:', i, ', Col:', j, ', Value: ', m[i, j], fill = T) 
      m.a <- rbind(m.a, t(c(i, j, m[i, j]))) # rbind：行ベクトルを追加
    }
  }
}
## Row: 2 , Col: 1 , Value:  -42
## Row: 42 , Col: 1 , Value:  22
## Row: 99 , Col: 1 , Value:  111
## Row: 531 , Col: 27 , Value:  -0.92
## Row: 675 , Col: 83 , Value:  -0.55
## Row: 124 , Col: 85 , Value:  -0.03
# 結果表示
colnames(m.a) <- c('Row', 'Col', 'Value')
m.a
##      Row Col  Value
## [1,]   2   1 -42.00
## [2,]  42   1  22.00
## [3,]  99   1 111.00
## [4,] 531  27  -0.92
## [5,] 675  83  -0.55
## [6,] 124  85  -0.03