使用方法:只需使用pandas读取csv、txt、excel等文件,并调用下列函数即可。
# 一、异常值检测
# 1、使用平均数 - 2 * 标准差 检测异常值
def mean_median(df):
for i in df.columns:
mean = df[i].mean()
std = df[i].std()
top_num = mean + 2 * std
bottom_num = mean - 2 * std
print("正常范围的值:{}、{}".format(bottom_num,top_num))
print("{0} 中是否存在大于正常范围的值:{1}".format(i,any(df[i] > top_num)))
print("{0} 中是否存在小于正常范围的值:{1}".format(i,any(df[i] < bottom_num)))
print('---------------------')
# 以下对异常值进行替换
replace_value1=df[i][df[i] df.loc[df[i]>top_num,'tip'] = replace_value1 replace_value2=df[i][df[i]>bottom_num].min() df.loc[df[i] return df # outlier_processing(data) # 2、使用 上、下四分位数 检测异常值 # mean_top 为上四中位数(就是将数据按从小到大排列,取3/4这个位置的数) # mean_bottom 为下四中位数(同上,取1/4位置的数) # mean_minus 为中位差 mean3 = mean1-mean2 def quartile_processing(df): for i in df.columns: mean_bottom = df[i].quantile(q=0.25) # 下四分位数 mean_top = df[i].quantile(q=0.75) # 上四分位数 mean_minus = mean_top - mean_bottom # 中位差 top_num = mean_top + 1.5 * mean_minus bottom_num = mean_top - 1.5 * mean_minus print("正常范围的值:{} ~ {}".format(bottom_num,top_num)) print("{0} 中是否存在大于正常范围的值:{1}".format(i,any(df[i] > top_num))) print("{0} 中是否存在小于正常范围的值:{1}".format(i,any(df[i] < bottom_num))) print('---------------------') # 以下是对异常值做替换 replace_value1=df[i][df[i] df.loc[df[i]>top_num,i] = replace_value1 replace_value2=df[i][df[i]>bottom_num].min() df.loc[df[i] return df quartile_processing(data) #注意data必须为pd.DataFrame格式 相关链接
发表评论