箱线图表示一组数据分散情况的统计表示图,如下图所示:
通常步骤:
1. 计算上四分位数-Q3, 中位数,下四分位数-Q1
2. 计算上四分位数和下四分位数之间的差值,即四分位数差值-IQR(Q3-Q1)
3. 大于上四分位数1.5倍四分位数差的值,或者小于下四分位数1.5倍四分位数差的值,即为温和异常值
4. 大于上四分位数3倍四分位数差的值,或者小于下四分位数3倍四分位数差的值,即为极端异常值
example:
import math
def anomaly_value(data_list):
def get_antile(data_list, number):
pp = (len(data_list) + 1) * number
pp_integer = int(math.modf(pp)[1])
pp_decimal = pp - pp_integer
Q = data_list[pp_integer - 1] + (data_list[pp_integer] - data_list[pp_integer - 1]) * pp_decimal
return Q
data_list = sorted(data_list)
Q1 = get_antile(data_list,0.25)
Q3 = get_antile(data_list,0.75)
IQR = Q3 - Q1
return Q3 + 3*IQR, Q1 - 3*IQR
dd_list = [1,2,3,4,5,6,3,4,2,3,4,2,2,3,44,10000,5000000]
anomaly_value(dd_list)
(16.0, -8.5)
说明大于16的值为异常值,在list里面有44,10000,5000000等几个数