工作中，我們經常會遇到數據異常，比如說瀏覽量突增猛降，交易量突增猛降，但是這些數據又不是符合正太分布的，如果用幾倍西格瑪就不合適，那么我們如何來判斷這些變化是否在合理的范圍呢？

小白查閱一些資料后，發現可以用箱形圖，具體描述如下：

箱形圖（英文：Box plot），又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖。因型狀如箱子而得名。箱形圖最大的優點就是不受異常值的影響，能夠準確穩定地描繪出數據的離散分布情況，同時也利于數據的清洗。

異常值可以設置為上四分位數的1.25倍，也可以設置為1.5倍，具體的要通過實驗可得。

1、下四分位數Q1

（1）確定四分位數的位置。Qi所在位置=i（n+1）/4，其中i=1，2，3。n表示序列中包含的項數。

（2）根據位置，計算相應的四分位數。

例中：Q1所在的位置=（14+1）/4=3.75，Q1=0.25×第三項+0.75×第四項=0.25×17+0.75×19=18.5；

2、中位數（第二個四分位數）Q2中位數，即一組數由小到大排列處于中間位置的數。若序列數為偶數個，該組的中位數為中間兩個數的平均數。

例中：Q2所在的位置=2（14+1）/4=7.5，Q2=0.5×第七項+0.5×第八項=0.5×25+0.5×28=26.5

3、上四分位數Q3計算方法同下四分位數。

例中：Q3所在的位置=3（14+1）/4=11.25，Q3=0.75×第十一項+0.25×第十二項=0.75×34+0.25×35=34.25。

4、上限上限是非異常范圍內的最大值。

首先要知道什么是四分位距如何計算的？四分位距IQR=Q3-Q1，那么上限=Q3+1.5IQR5、下限下限是非異常范圍內的最小值。下限=Q1-1.5IQR

我這里是使用上四分位數的1.5倍作為上限，下四分位數的1.5倍作為下限。

這里是拿歷史一個月每天的產量和間夜量作為參考，統計出歷史的箱線圖的各個指標，然后將要比較的數據，來進行循環判斷，若超過上限/下限那么拋出1和0.

# -*- coding: utf-8 -*-

"""

Created on Tue Apr 30 10:52:37 2019

@author: chen_lib

"""

import pandas as pd

catering_sale = 'D:/Users/chen_lib/Desktop/ceshi.csv' #讀取歷史數據

datax = pd.read_csv(catering_sale) #讀取數據

#取出不是昨天的數據

data = datax.loc[datax['orderdate'] != datetime][:]

'''

import time

## yyyy-mm-dd格式

print (time.strftime("%Y-%m-%d"))

'''

#時間減一天

import datetime

datetime = (datetime.datetime.now()+datetime.timedelta(days=-1)).strftime("%Y-%m-%d")

#保存基本統計量，將常見的統計信息保存為數據框

statistics = data.describe()

#添加行標簽 計算出每個指標的上線下線和四分位間距

statistics.loc['IQR'] = statistics.loc['75%']-statistics.loc['25%'] #四分位數間距

statistics.loc['UP'] = statistics.loc['75%'] + 1.5*statistics.loc['IQR'] #上限

statistics.loc['DAWN'] = statistics.loc['25%'] - 1.5*statistics.loc['IQR']#下限

#取出data的列名

columns = data.columns.values.tolist()

'''取出要比較的數值,放在統計信息表'''

a = data.loc[data['orderdate'] == datetime][columns[1]]#取出第一列

b = data.loc[data['orderdate'] == datetime][columns[2]]#取出第二列

statistics.loc['res'] = [a[1],b[1]]#取出需要比較的當天的數據 放入統計信息中

'''循環取出結果是否滿足要求'''

ret = []

for i in range(2):

res = statistics.loc['res'][i]

max = statistics.loc['UP'][columns[i+1]]#最大值

min = statistics.loc['DAWN'][columns[i+1]]#最小值

'''

#重建三個值的索引，以便比較大小

res.index = ['ordernum']

max.index = max['ordernum']

min.index = min['ordernum']

#判斷異常值，若大于最大值或者小于最小值則拋出結果為1

'''

result1 = res>max

result2 = res

if result1 =='False' or result2 == 'False':

ret.append([columns[i+1],1])

else:

ret.append([columns[i+1],0])

df = pd.DataFrame(ret)

#將文件寫入excel表中

df.to_excel("d:/Users/chen_lib/Desktop/ceshi.xlsx",sheet_name="total",index=False,header=False)

以上這篇Python實現非正太分布的異常值檢測方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python异常值检测的方法_Python实现非正太分布的异常值检测方式的全部內容，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。