利用pandas检测和过滤异常值
在数据清洗过程中,我们经常需要对数据进行检测和过滤异常值。以下是用pandas实现的方法
案例分析:假设我们有某学校学生成绩的数据,学校有ABCD四个班,每个班100名学生,我们需要检测这些数据有没有异常
代码示例:
import numpy as np
import pandas as pd
# 这里我们先随机生成400名学生的成绩
data = pd.DataFrame(np.random.randint(0,101,size = 400).reshape((100,4)),columns = ['A','B','C','D'])
# 我们给这组数据人为传入一些异常值,这里需要注意的是等号右边随机生成的六个数必须用reshape变成二维数组才能存入data中
data.iloc[[0,11,33,55,66,77],[0,1,2,3]] = np.random.randint(101,1000,size = 24).reshape((6,4))
#假设我们现在想要找出A班所有异常值,即成绩不在(0,100]范围内的数据
error_A = data['A']
# 我们先筛选出成绩小于0或大于100的数据,这些便是异常值。这里需要注意的是,(100 < error_A) | (error_A < 0) 和 error_A[(100 < error_A) | (error_A < 0)] 是不同的,第一种会返回布尔值。
error_listA = error_A[(