溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
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開發工具，在運行窗口輸入命令：
import pandas as pd #導入pandas庫
輸入數據集。
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)
通過z-score方法判斷異常值，即對原始值X進行正態標準化：(X-mean(X))/std(X)，根據計算的結果判斷樣本值與中心的偏離程度。
df1=data.copy()#為了不影響原始數據集，復制數據集data print(df1)
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
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']
查看標準化后的數據集。
print(df1)
標準化后的絕對值越大，數據越有可能異常，是否異常根據設定的閾值判斷。
假設cost列閾值為2，通過下面的方法找到異常值。
df1['cost'].abs()>2#判斷數據是否異常 data[df1['cost'].abs()>2]#取出原數據集中的異常點
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資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
