異常值處理是pythonshujuqingxi/' style='color:#000;font-size:14px;'>python數據清洗中重要的步驟，雖然異常值出現頻率比較低，但是如果置之不理的話，還是會對實際項目的分析造成偏差，所以今天小編就跟大家分享pythonshujuqingxi/' style='color:#000;font-size:14px;'>python數據清洗中應該如何識別和處理異常值，希望對大家有所幫助。

一、異常值概念

異常值，又稱離群點，就是那些遠離絕大多數樣本點的特殊群體，通常這樣的數據點在數據集中都表現出不合理的特性，需要注意的是，異常值正常范圍的值，不是錯誤值。

二、pythonshujuqingxi/' style='color:#000;font-size:14px;'>python數據清洗中異常值的識別

通常pythonshujuqingxi/' style='color:#000;font-size:14px;'>python數據清洗中，可以借助箱線圖、正態分布圖這些圖形法來進行異常值識別。

1.箱線圖法

采用箱線圖識別異常值的判斷標準為：當變量的數據值超出箱線圖上須和下須的范圍之外，也就是大于箱線圖的上須或者小于箱線圖的下須時，就可以認為這樣的數據點為異常點。

2.正態分布圖法

如果數據點落在偏離均值正負2倍標準差之外的概率就不足5%，它屬于小概率事件，即認為這樣的數據點為異常點。同理，如果數據點落在偏離均值正負3倍標準差之外的概率將會更小，可以認為這些數據點為極端異常點。

三、pythonshujuqingxi/' style='color:#000;font-size:14px;'>python數據清洗中異常值的處理

(1)直接將異常值刪除

(2)暫且保留異常值，結合整體模型進行綜合分析

(3)在樣本量很小的情況下，可以使用均值或其他統計量取代

(4)將異常值視為缺失值，利用處理缺失值的方法進行處理

(5)不處理，根據該缺失值的性質特點，使用穩健模型加以修飾

(6)利用抽樣技術或者模擬技術，接受更合理的標準誤等信息

完 謝謝觀看

總結

以上是生活随笔為你收集整理的python异常值删除_python数据清洗中，是如何识别和处理异常值的？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。