matlab剔除异常值,箱线图剔除异常值

　　解释

　　数据分析教程正在规划编写中。欢迎大家添加微信sinbam提供意见、建议、纠错、提醒。

　　识别异常值的箱线图。箱线图提供了一个识别异常值的标准，即异常值通常定义为小于QL-1.5IQR或大于QU1.5 IQR的值。

　　方框图识别异常值。

　　离群值是数据序列中的一个极值，要么很小，要么很大，因此影响数据序列的整体观测值。异常也称为极值，因为它们位于数据序列的两端。因为它的极值很高或很低，都可能影响整体观测，所以要从数据序列中剔除。

　　箱线图，也称为箱线图，是一种典型的四分位之间的图解法，有助于定义上下限。任何超过上限和下限的数据都将被视为异常值。该图表的目的是识别异常值，并在进一步观察之前将它们从数据序列中删除，以便从研究中得出的结论可以给出更准确的结果，而不受任何极端值或异常值的影响。

　　算法

　　在序列的四分位数中：

　　四分位距离IQR=Q3Q1

　　下限=Q11.5 IQR。

　　上限上限=Q3 1.5 IQR

　　下限和上限之外的数据为异常值。

　　原则

　　即如果数据点低于Q1-1.5IQR或高于Q1-1.5IQR，则认为离中心值太远，不合理。可能你测量的时候碰了秤，或者你的实验室伙伴是个傻逼，你不应该让他碰任何设备。谁知道呢？但是不管他们的原因是什么，离群值是那些看起来不“适合”的。

　　为什么是异常值框宽度的1.5倍？为什么这个特定的值标志着“可接受”和“不可接受”值之间的区别？因为，当约翰图基在1977年发明显示这些值的盒须图时，他选择了1.5IQR作为异常值的未标记线。这个管用，所以我们一直用这个值。如果你深入研究统计学，你会发现，对于钟形数据来说，这个合理性度量意味着只有大约百分之一的数据是异常值。

　　代码实现

　　Python中的熊猫库：

　　进口熊猫作为pd

　　df=PD . read _ CSV( https://www . Gai ruo . com/file/data/team . CSV )

　　df.head()

　　命名团队Q1 Q2 Q3 Q4

　　0肝脏E 555 21 24 64

　　1 Arry C 36 888 37 57

　　2 Ack A 57 60 18 84

　　3乔治C 93 96 71 78

　　4 Oah D 65 49 61 86

　　#构建异常值

　　df.at[0， Q1]=555

　　df.at[1， Q2]=888

　　df.at[2， Q4]=-111

　　#检测到的异常值设置为nan

　　定义框_图_异常值：

　　q1，q3=标准分位数(. 25)，标准分位数(. 75)

　　iqr=q3 - q1

　　低，上=q1 - 1.5*iqr，q3 1.5*iqr

　　离群值=s.mask((sup))

　　返回异常值

　　#应用程序

　　df.head()。loc[: Q1:]。应用(方框图异常值)

　　Q1 Q2第三季度第四季度

　　0南21.0 24.0 64

　　1 36.0南37.0 57

　　2 57.0 60.0南84

　　3 93.0 96.0 71.0 78

　　4 65.0 49.0 61.0 86

　　涉及

　　https://www.purplemath.com/modules/boxwhisk3.htm

　　https://www . whatsissixsigma . net/box-plot-diagram-to-identify-outliers/

　　https://www.zhihu.com/question/36172806

相关文章阅读