目录
箱型图
pandas.DataFrame.quantile
参数:
返回:(Series or DataFrame)
示例:
代码实现
参考
箱型图
将一组数据从大到小排列,分别计算出,
上四分位数3:75%分位点所对应的值
中位数2: 50%分位点对应的值
下四分位数1:25%分位点所对应的值
上边缘(须): Q3+1.5(Q3-Q1)
下边缘(须): Q1-1.5(Q3-Q1)
数据的合理范围为:
1− 1.5(3 − 1) ≤ ≤ 3 + 1.5(3 − 1)
和使用3σ准则剔除异常值相比,箱线图不需要数据服从正态分布,能真实直观的表现数据形状;箱线图以四分位数和四分位距作为判断异常值的标准,四分位数具有一定的耐抗性,多达 25%的数据可以变得任意远而不会很大地扰动四分位数,使得异常值无法对数据形状造成巨大影响,因此箱形图识别异常值的结果比较客观。
pandas.DataFrame.quantile
对于dataframe形式的数据,可以直接调用DataFrame.quantile(),以快速计算箱型图的分位点。
DataFrame.quantile(q=0.5, axis=0, numeric_only=True, interpolation='linear')
参数:
- q:float or array-like, default 0.5 (50%quantile),0 ≤ q ≤1之间的值,即要计算的分位数;
- axis:{0, 1, ‘index’, ‘columns’},default 0,对于行,等于0或“索引”,对于列,等于1或“列”;
- numeric_only:bool, default True,如果为False,则还将计算日期时间和时间增量数据的分位数;
- interpolation:{‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’},当所需分位数位于两个数据点i和j之间时,此可选参数指定要使用的插值方法。
返回:(Series or DataFrame)
- 如果q是数组,则将返回DataFrame,其中index为q,列为self的列,值为分位数。
- 如果q为float,则index是self的列,值为分位数
示例:
import pandas as pdimport numpy as np# 生成数据d = pd.DataFrame({"SO2":[-1000, 5, 5, 10, 9, 12, 11, 100], "NO2":[12, 52, 14, 10, 10, 23, 15, 9], "CO2":[15, 23, 0, 24, 25, 7, 4, 715], "O3":[17, 23, 33, 10000, 11, 47, 5, 22] })
q 为 float:
q 为 数组:
代码实现
# 箱型图判断异常点def box_outlier(data): df = data.copy(deep=True) out_index = [] for col in df.columns: # 对每一列分别用箱型图进行判断 Q1 = df[col].quantile(q=0.25) # 下四分位 Q3 = df[col].quantile(q=0.75) # 上四分位 low_whisker = Q1 - 1.5 * (Q3 - Q1) # 下边缘 up_whisker = Q3 + 1.5 * (Q3 - Q1) # 上边缘 # 寻找异常点,获得异常点索引值,删除索引值所在行数据 rule = (df[col] > up_whisker) | (df[col] < low_whisker) out = df[col].index[rule] out_index += out.tolist() df.drop(out_index, inplace=True) return df
使用前文创建的数据
box_outlier(d)
参考
pandas.DataFrame.quantile
【PYTHON 机器学习】正态分布检验以及异常值处理3Σ原则