Python清除异常值四分位法

看了https://blog.csdn.net/zhuiqiuuuu/article/details/82721935 这篇文章，但是因为用不到pd，所以改了改。
先上代码

# Outlier detection
import numpy as np

def detect_outliers2(df):
    outlier_indices = []

    # 1st quartile (25%)
    Q1 = np.percentile(df, 25)
    # 3rd quartile (75%)
    Q3 = np.percentile(df, 75)
    # Interquartile range (IQR)
    IQR = Q3 - Q1

    # outlier step
    outlier_step = 1.5 * IQR
    for nu in df:
        if (nu < Q1 - outlier_step) | (nu > Q3 + outlier_step):
            df.remove(nu)
    return df

if __name__ == '__main__':
    df = [-3331,2,3,4,11111]
    Outliers_to_drop = detect_outliers2(df)
    # Drop outliers
    print(Outliers_to_drop)

输出：[2, 3, 4]

效果描述：将输入的df清除异常值

理论：
首先计算出第一四分位数（Q1）、中位数、第三四分位数（Q3）。
中位数我们都知道，就是将一组数字按从小到大的顺序排序后，处于中间位置（也就是50%位置）的数字。
同理，第一四分位数、第三四分位数是按从小到大的顺序排序后，处于25%、75%的数字。

令 IQR=Q3−Q1IQR=Q3−Q1 ，那么 Q3+1.5(IQR)Q3+1.5(IQR) 和 Q1−1.5(IQR)Q1−1.5(IQR) 之间的值就是可接受范围内的数值，这两个值之外的数认为是异常值。
抄袭一张图：