python剔除异常数据_从数据集中剔除异常数据一般用什么数据算法？

异常值，也称离群值，是指样本中的个别值，其数值明显偏离所属样本的绝大部分观测值。

不论什么研究数据，如果数据中存在可能的异常值，均应在分析之前处理，防止异常值带来的干扰，比如异常值会扭曲X和Y之间的相关关系，回归关系等，异常错误的结论；当然其它研究方法基本均会受到异常值的干扰，异常值较多或者异常稍大时，此时会直接扭曲结论。

1异常值处理步骤

针对异常值，常见的步骤有三步：第一步是异常值检测；第二步是异常值判定；第三步是异常值处理。

第一步：异常值检测

异常值的检验有很多种方法，最常见的是图示法，也有使用分析方法进行探索，如下说明。箱盒图：实验研究时经常使用，非常直观的展示出异常数据；

散点图：研究X和Y的关系时，可直观展示查看是否有异常数据；

描述分析：可通过最大最小值等各类指标大致判断数据是否有异常；

其它：比如结合正态分布图，频数分析等判断是否有异常值。

第二步：异常值判定

上述已经说明异常值会带来严重的影响，扭曲数据结论等。那么首先需要设定异常值的标准，然后再对其进行处理。异常值的判定标准并不统一，更多是通过人为标准进行设定，SPSSAU提供以下几类判定规则：缺失数字

小于设定标准的数字

大于设定标准的数字

大于3个标准差图片