箱线图怎么判断异常值_Pandas进行异常值分析—describe()查看数据基本情况、箱线图查看异常值分布...

1.使用describe()函数查看数据基本情况

import pandas as pd

catering_sale = 'catering_sale.xls' #餐饮数据

data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据，指定“日期”列为索引列

print(data.describe()) #打印数据描述

print(len(data)) #得到数据记录条数，可知道是否缺失记录

输入结果为：

销量

count 200.000000

mean 2755.214700

std 751.029772

min 22.000000

25% 2451.975000

50% 2655.850000

75% 3026.125000

max 9106.440000

201

可知，describe()函数提供了平均值mean,标准差std,最小值min,最大值max以及1/4,1/2,3/4分位数

2.绘制箱线图

import matplotlib.pyplot as plt #导入图像库

plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

plt.figure()

p = data.boxplot(return_type='dict') #画箱线图，直接使用DataFrame的方法

x = p['fliers'][0].get_xdata() # 'flies'即为异常值的标签

y = p['fliers'][0].get_ydata()

y.sort() #从小到大排序，该方法直接改变原对象

#用annotate添加注释

#其中有些相近的点，注解会出现重叠，难以看清，需要一些技巧来控制。

#以下参数都是经过调试的，需要具体问题具体调试。

for i in range(len(x)):

if i>0:

plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))

else:

plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))

plt.show() #展示箱线图

结果如下：

由图可知，有7个数值超过了箱线图的上下界，可对其进一步分析处理。