Python数据预处理：1.异常值检测 加载 sklearn 自带红酒数据集（wine）。检测其中的异常值（判断标准：与平均值的偏差 超过 3 倍标准差的数值）。提示：用数据生成 pandas 的 D

1.异常值检测
加载 sklearn 自带红酒数据集（wine）。检测其中的异常值（判断标准：与平均值的偏差
超过 3 倍标准差的数值）。提示：用数据生成 pandas 的 DataFrame 对象（建议放入数据集
本身的特征名），以便用 pandas 的相关函数来实现。

附上源代码：

from sklearn.datasets import load_wine
import pandas as pd
lw = load_wine()
data = pd.DataFrame(lw.data,index=lw.target,columns=lw.feature_names)
data1 = data.describe()
print(data1)
data_mean = data1.iloc[1]
data_std = data1.iloc[2]
#data_right = 3*data_std+data_mean
#print(data_right)
result = data[(data>3*data_std+data_mean).any(1)]
print(result)

对于其中np.nan空值的处理主要是用any函数吧