python3获取四分位数【箱型图过滤异常数据】

1、箱型图-四分位数

• 箱型图过滤异常数据，需要先计算上四分位数和下四分位数，然后再计算最小min、最大值max，获得判断异常值的阈值范围[min, max]。
• 四分位数是通过3个点（Q1，Q2，Q3）将全部数据等分为4部分，其中每部分包含25%的数据。
• 很显然，中间的四分位数Q2就是中位数。
• 通常，称Q1为下四分位数，即从小到大排列后第25%的数；称Q3为上四分位数，即即从小到大排列后第75%的数。
• 异常值阈值范围的最小、最大值计算公式：min=Q1-1.5*(Q3-Q1)、max=Q3+1.5*(Q3-Q1)
  

2、代码实现

实现逻辑：

• 先获取总样本的中位数Q2及其索引；
• 然后用Q2的索引把总样本等分称两部分；
• 然后以相同的逻辑来获取被等分后的两部分的中位数，即Q1和Q3；
• 最终返回 Q1，Q2，Q3;
• 我们可以根据Q1，Q3计算获得最小min、最大值max。

import numpy as np
import math


def do_cal_min_max(q1, q3):
    """计算最小、最大值"""
    min = q1 - 1.5 * (q3 - q1)
    max = q3 + 1.5 * (q3 - q1)
    return min, max


def get_mid_idx(data):
    """获取中位数的索引，如果是偶数个，则是最中间两个数的索引的平均值"""
    length = len(data)
    if length % 2 == 0:
        idx1 = length / 2 - 1
        idx2 = idx1 + 1
        idx = np.mean([idx1, idx2])
    else:
        idx = math.ceil(length / 2)
    return idx


def do_cal_quarter(data):
    """计算四分位数：四分位数是通过3个点（Q1,Q2, Q3）将全部数据等分为4部分，其中每部分包含25%的数据。
    Q1:下四分位数，等于该样本中所有数值由小到大排列后第25%的数;
    Q2:中位数，等于该样本中所有数值由小到大排列后第50%的数;
    Q3:上四分位数，等于该样本中所有数值由小到大排列后第75%的数。
    """
    # 先从小到大排序
    data.sort()
    # 先获取中位数索引和中位数
    idx = get_mid_idx(data)
    q2 = np.median(data)
    # 被中位数索引等分的两部分
    part1 = [v for i, v in enumerate(data) if i < idx]
    part2 = [v for i, v in enumerate(data) if i > idx]
    # 获取下四分位数
    q1 = np.median(part1)
    # 获取上四分位数
    q3 = np.median(part2)
    return q1, q2, q3


def main():
    """主函数"""
    data = [-1, -2, -3, -4, -5]
    # 获取Q1，Q2，Q3
    q1, q2, q3 = do_cal_quarter(data)
    print(q1, q2, q3)
    # 获取最小min、最大值max
    min, max = do_cal_min_max(q1, q3)
    print(min, max)


if __name__ == '__main__':
    main()