异常检测-箱线图

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