python中處理異常值的方法

發(fā)布時間：2020-07-31 15:01:03 來源：億速云閱讀：302 作者：清晨欄目：編程語言

小編給大家分享一下python中處理異常值的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

打開pycharm開發(fā)工具，在運行窗口輸入命令：

import pandas as pd #導入pandas庫

python中處理異常值的方法

輸入數(shù)據(jù)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)

python中處理異常值的方法

通過z-score方法判斷異常值，即對原始值X進行正態(tài)標準化：(X-mean(X))/std(X)，根據(jù)計算的結(jié)果判斷樣本值與中心的偏離程度。

df1=data.copy()#為了不影響原始數(shù)據(jù)集，復制數(shù)據(jù)集data
print(df1)

python中處理異常值的方法

按列計算均值和標準差。

df1['cost']=(df1['cost']-df1['cost'].mean())/df1['cost'].std()#標準化cost_z列

python中處理異常值的方法

對sales列進行標準化。

df1['sales']=(df1['sales']-df1['sales'].mean())/df1['sales'].std()#標準化cost_z列
df1['sales']

python中處理異常值的方法

查看標準化后的數(shù)據(jù)集。

print(df1)

標準化后的絕對值越大，數(shù)據(jù)越有可能異常，是否異常根據(jù)設定的閾值判斷。

python中處理異常值的方法

假設cost列閾值為2，通過下面的方法找到異常值。

df1['cost'].abs()>2#判斷數(shù)據(jù)是否異常
data[df1['cost'].abs()>2]#取出原數(shù)據(jù)集中的異常點

python中處理異常值的方法

看完了這篇文章，相信你對python中處理異常值的方法有了一定的了解，想了解更多相關知識，歡迎關注億速云行業(yè)資訊頻道，感謝各位的閱讀！

向AI問一下細節(jié)

猜你喜歡