打开pycharm开发工具,在运行窗口输入命令:
import pandas as pd #导入pandas库
输入数据集。
data=pd.DataFrame({'name':['A','B','C','D','E','F','G'],'cost':[2,127,4,6,3,13,14],'sales':[13,18,32,54,23,33,44]}) print(data)
通过z-score方法判断异常值,即对原始值X进行正态标准化:(X-mean(X))/std(X),根据计算的结果判断样本值与中心的偏离程度。
df1=data.copy()#为了不影响原始数据集,复制数据集data print(df1)
按列计算均值和标准差。
df1['cost']=(df1['cost']-df1['cost'].mean())/df1['cost'].std()#标准化cost_z列
对sales列进行标准化。
df1['sales']=(df1['sales']-df1['sales'].mean())/df1['sales'].std()#标准化cost_z列 df1['sales']
查看标准化后的数据集。
print(df1)
标准化后的绝对值越大,数据越有可能异常,是否异常根据设定的阈值判断。
假设cost列阈值为2,通过下面的方法找到异常值。
df1['cost'].abs()>2#判断数据是否异常 data[df1['cost'].abs()>2]#取出原数据集中的异常点
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试