Pandas处理异常值的两种方法

使用方法：只需使用pandas读取csv、txt、excel等文件，并调用下列函数即可。

# 一、异常值检测
# 1、使用平均数 - 2 * 标准差 检测异常值

def mean_median(df):
    for i in df.columns:
        mean = df[i].mean()
        std = df[i].std()
        top_num = mean + 2 * std
        bottom_num = mean - 2 * std
        print("正常范围的值：{}、{}".format(bottom_num,top_num))
        print("{0} 中是否存在大于正常范围的值:{1}".format(i,any(df[i] > top_num)))
        print("{0} 中是否存在小于正常范围的值:{1}".format(i,any(df[i] < bottom_num)))
        print('---------------------')
        # 以下对异常值进行替换
        replace_value1=df[i][df[i]<top_num].max()
        df.loc[df[i]>top_num,'tip'] = replace_value1
        replace_value2=df[i][df[i]>bottom_num].min()
        df.loc[df[i]<bottom_num,'tip']=replace_value2
    return df
        
# outlier_processing(data)

# 2、使用 上、下四分位数 检测异常值
# mean_top 为上四中位数（就是将数据按从小到大排列，取3/4这个位置的数）
# mean_bottom 为下四中位数(同上，取1/4位置的数)
# mean_minus 为中位差 mean3 = mean1-mean2

def quartile_processing(df):
    for i in df.columns:
        mean_bottom = df[i].quantile(q=0.25) # 下四分位数
        mean_top = df[i].quantile(q=0.75) # 上四分位数
        mean_minus = mean_top - mean_bottom # 中位差
        top_num = mean_top + 1.5 * mean_minus
        bottom_num = mean_top - 1.5 * mean_minus
        
        print("正常范围的值：{} ~ {}".format(bottom_num,top_num))
        print("{0} 中是否存在大于正常范围的值:{1}".format(i,any(df[i] > top_num)))
        print("{0} 中是否存在小于正常范围的值:{1}".format(i,any(df[i] < bottom_num)))
        print('---------------------')
        # 以下是对异常值做替换
        replace_value1=df[i][df[i]<top_num].max()
        df.loc[df[i]>top_num,i] = replace_value1
        replace_value2=df[i][df[i]>bottom_num].min()
        df.loc[df[i]<bottom_num,i]=replace_value2

    return df
quartile_processing(data) #注意data必须为pd.DataFrame格式
 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49