使用箱型图剔除 Python 中的异常值

在数据分析中，异常值是指远离数据集中心的值，可能会对分析结果产生重大影响。箱型图（Box Plot）是一种可视化工具，可以帮助我们识别和剔除异常值。在箱型图中，异常值通常被定义为低于下四分位数（Q1）减去1.5倍四分位距（IQR）的值，或者高于上四分位数（Q3）加上1.5倍四分位距（IQR）的值。这些异常值可能会对分析结果产生重大影响，因此需要将其剔除。
在 Python 中，我们可以使用 Matplotlib 和 Pandas 库来绘制箱型图并剔除异常值。以下是一个简单的示例代码：

import pandas as pd
import matplotlib.pyplot as plt
# 创建一个包含异常值的示例数据集
data = {
'value': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 100]
}
df = pd.DataFrame(data)
# 绘制箱型图
plt.figure(figsize=(10, 5))
plt.boxplot(df['value'], vert=False)
plt.title('Box Plot Example')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()
# 剔除异常值
lower_bound = df['value'].quantile(0.25) - 1.5 * df['value'].quantile(0.75) - df['value'].quantile(0.25)
upper_bound = df['value'].quantile(0.75) + 1.5 * df['value'].quantile(0.75) - df['value'].quantile(0.25)
outliers = df[(df['value'] < lower_bound) | (df['value'] > upper_bound)]
print('Outliers:', outliers)

在上面的代码中，我们首先创建了一个包含异常值的示例数据集。然后使用 Matplotlib 绘制了箱型图，其中横轴表示值，纵轴表示频率。在箱型图中，箱体表示四分位数范围（IQR），线段表示中位数，圆圈表示异常值。最后，我们使用 Pandas 的 quantile 方法计算了箱型图的上下界，并筛选出了异常值。