前言
为了应付作业，想上网找一个代码交了，发现没有自己想要的东西，于是自己含泪写了两天 为了认真学习，跟同学们卷起来🤣
要是你就需要交作业，直接看源码就好了，在CleaningData（）方法里，你必须得改成你需要的数据，其他的我都帮你写好了
目标
对数据中的缺失值和异常值进行处理（找出来和重新赋值）
过程
空白值（缺失值）
空白值的处理，我使用的方法是空白值的前后两行的平均值来赋值；
如果前后两行都是空白值，那就一直找到有位置；
如果一列只有一个数据，我就用这个数据来给整列赋值ψ(｀∇´)ψ
（至少我希望不要出现最后一种情况）
异常值
异常值的处理，我使用的是三点拉格朗日插值法
为什么要用这个呢？因为老师要求ƪ(˘⌣˘)ʃ
利用三个点来求出一条未知的方程式，通过这个方程式来预测异常值位置的值。
这个方程式是可以求出来的，你可以试着输出。（下面演示给你看）
收获
收获一：
# 显示所有列
pd.set_option('display.max_columns', None)
# 显示所有行
pd.set_option('display.max_rows', None)
# 对齐列名
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 取消科学计数法输出
np.set_printoptions(suppress=True)
# 为了直观的显示数字，不采用科学计数法
pd.set_option('display.float_format', lambda x: '%.2f' % x)
# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
# 用来正常显示负号
plt.rcParams['axes.unicode_minus'] = False
收获二：
np.where（data == ‘1’）：找出1的位置
print(np.where(data == '')) # 找出空白值的坐标
收获三：
有效的多维迭代器对象，可以遍历数组。
这里我是将字符串的数据转换成浮点数，两个可以实现
np.nditer(row)
或
[float(num) for num in arr[:, 0]]
收获四：
三点拉格朗日插值法
from scipy.interpolate import lagrange
iloc_point_of_time = [float(num) for num in arr[:, 0]][4:7:1]
iloc_temperature = [float(num) for num in arr[:, 1]][4:7:1]
a1 = lagrange(iloc_point_of_time, iloc_temperature)
print（a1）
收获五：
想要做出折线图上的点能突出显示，只需要plot（）和scatter（）同时使用就好了
就是折线图和散点图结合起来
核心源码
处理空白值
得到空白数组的坐标数组，将数组的元素传递给Fill_Value(arr, row, col)中的row和col
def Create_Fill_Value_Arr(arr): # 需要的是坐标，那么横坐标和纵坐标的数量应该相同，创建一个len（row）长度的2维零数组
# row和col分别是横坐标和纵坐标的集合
# print(np.where(data == '')) # 找出空白值的坐标
row = np.where(arr == '')[0]
col = np.where(arr == '')[1]
CoordinateArray = np.zeros((len(row), 2)) # 空白值坐标数组
row_count = 0
for i in np.nditer(row):
CoordinateArray[row_count][0] = i
row_count += 1
col_count = 0
for i in np.nditer(col):
CoordinateArray[col_count][1] = i
col_count += 1
return CoordinateArray
arr：需要处理的数组
row：需要处理的元素横坐标
col：需要处理的元素的纵坐标
def Fill_Value(arr, row, col):
# 二维数组填充空白值
# 这里有个前提条件，这个是根据同一列的上下行的值来进行赋值，所以列必须不能1变化，仅对行数进行变化
current_row = row # 记录输入时的行数
current_col = col # 记录输入时的列数
next_row = 0 # 记录下一行的行数
next_col = col # 记录下一列的列数
pre_row = 0 # 记录上一行的行数
pre_col = col # 记录上一列的列数
# 第一行和最后一行的赋值
if row == 0 or row == len(arr) - 1:
if row == 0: # 如果输入的元素位置在第一行，则将同列下一行的非空数赋值给它
flag = True # 标签，如果赋值结束，则结束循环
while flag:
current_row += 1
if arr[current_row][current_col] != '':
arr[row][col] = arr[current_row][current_col] # 赋值
flag = False
elif arr[current_row][current_col] == '': # 判断，如果当前的这个数为空值
current_row += 1 # 则寻找同列下一行的值
else:
print("Fill_Value（）方法==第一行==出错啦！！")
elif row == len(arr) - 1: # 如果输入的元素位置在最后一行，则将同列上一行的非空数赋值给它
flag = True # 标签，如果赋值结束，则结束循环
current_row -= 1
while flag:
if arr[current_row][current_col] != '':
arr[row][col] = arr[current_row][current_col]
flag = False
elif arr[current_row][current_col] == '':
current_row -= 1
else:
print("Fill_Value（）方法的==最后一行==出错啦！！")
else:
print("如果出现这个，则是第一行和最后一行的条件判断错误")
# 非第一行和最后一行的赋值
elif row != 0 and row != len(arr) - 1: # 把该值的同列的上下两行的平均值赋值给它
# 这里有一个算数的坑，就是到这一行时，前面的数一定都是非空的值，因为上面的算法将前面的值都填充了，
# 所以对于这个数来说，前n行都是有值，但是后面的是不一定有值的，有可能很多行都是空值，
# 因此需要我们在选取下一个值的时候稍加判断
# 这里的做法是将后面无论隔了多少行，一定要找到一个值来做平均处理
# 要是在这一行的所有行全是空白值，那么这里的算法则将这一行的上一个值赋值给后面的所有行
flag = True # 标签，如果赋值结束，则结束循环
next_row = current_row + 1
pre_row = current_row - 1
while flag:
if arr[next_row][next_col] != '': # 这里判断下一行是不是空值
arr[row][col] = str((float(arr[next_row][next_col]) + # 这里因为涉及到两个数的数值计算，所以需要转化为数值类型，而上面的仅涉及到单行的赋值行为
float(arr[pre_row][pre_col])) / 2) # 这里需要用浮点数，不能用整数
flag = False
elif arr[next_row][next_col] == '':
next_row += 1
else:
print("Fill_Value（）方法的==非第一行和最后一行的赋值==出错啦！！")
else:
print('这怎么会错了？')
return arr
处理异常值
这里需要你自己修改一些数据，因为写得时候发现要是精益求精的话一个星期都不够我写，所以我只能偷偷懒了，见谅见谅(´▽ʃ♡ƪ)(≧∇≦)ﾉ(❁´◡❁)
arr：输入处理完空白值后的数组
# 通过箱型图得出不正常的数据
def CleaningData(arr):
# arr的数据全是字符串
# 如果一个数据跟表中所有数据相比是相差非常大的，那么就有必要进行数值替换，将正常的数据替换异常的数据
point_of_time = [float(num) for num in arr[:, 0]] # 这个采集样本时间点应该用不到
temperature = [float(num) for num in arr[:, 1]]
relative_humidity = [float(num) for num in arr[:, 2]]
Gas_concentration = [float(num) for num in arr[:, 3]]
Carbon_monoxide_concentration = [float(num) for num in arr[:, 4]]
# data的数据全是float
data = {
'temperature': temperature,
'relative_humidity': relative_humidity,
'Gas_concentration': Gas_concentration,
'Carbon_monoxide_concentration': Carbon_monoxide_concentration,
}
df = pd.DataFrame(data)
df.boxplot() # 这里，pandas自己有处理的过程
plt.ylabel("ylabel")
plt.xlabel("xlabel") # 我们设置横纵坐标的标题。
plt.savefig('箱型图.jpg')
plt.show()
# 这里的des数据来自df.describe（），因为
des = {
'temperature': {
'count': 44.00,
'mean': 53.63,
'std': 146.07,
'min': 20.50,
'25%': 29.06,
'50%': 31.73,
'75%': 35.93,
'max': 999.99,
},
'relative_humidity': {
'count': 44.00,
'mean': 118.39,
'std': 194.72,
'min': 60.00,
'25%': 67.00,
'50%': 76.00,
'75%': 88.25,
'max': 999.99,
},
'Gas_concentration': {
'count': 44.00,
'mean': 25.23,
'std': 150.37,
'min': 1.08,
'25%': 1.90,
'50%': 2.65,
'75%': 3.39,
'max': 999.99,
},
'Carbon_monoxide_concentration': {
'count': 44.00,
'mean': 49.15,
'std': 209.90,
'min': 1.08,
'25%': 2.47,
'50%': 3.94,
'75%': 5.23,
'max': 999.99,
}
}
columns_list = ['temperature', 'relative_humidity', 'Gas_concentration', 'Carbon_monoxide_concentration']
# 如果有值超过平均值，该值则视为异常值
arrays_list = [] # 这个列表来记录异常值的坐标
col = 0
row = 0
for col_list in columns_list:
for i in range(len(arr)):
if data[col_list][row] >= des[col_list]['std']:
arrays_list.append([row, col])
row += 1
elif data[col_list][row] < des[col_list]['std']:
row += 1
else:
print("这个一次都不能出现")
col += 1
row = 0
# 三个值选择（4，5，6）行
iloc_point_of_time = [float(num) for num in arr[:, 0]][4:7:1] # 这个采集样本时间
iloc_temperature = [float(num) for num in arr[:, 1]][4:7:1]
iloc_relative_humidity = [float(num) for num in arr[:, 2]][4:7:1]
iloc_Gas_concentration = [float(num) for num in arr[:, 3]][4:7:1]
iloc_Carbon_monoxide_concentration = [float(num) for num in arr[:, 4]][4:7:1]
# 这里使用拉格朗日三值插点法，调用lagrange（）函数
a1 = lagrange(iloc_point_of_time, iloc_temperature)
a2 = lagrange(iloc_point_of_time, iloc_relative_humidity)
a3 = lagrange(iloc_point_of_time, iloc_Gas_concentration)
a4 = lagrange(iloc_point_of_time, iloc_Carbon_monoxide_concentration)
# 将异常值进行赋值
for i in range(len(arrays_list)):
if arrays_list[i][1] == 0:
arr[arrays_list[i][0]][1] = a1(arrays_list[i][1])
elif arrays_list[i][1] == 1:
arr[arrays_list[i][0]][2] = a2(arrays_list[i][1])
elif arrays_list[i][1] == 2:
arr[arrays_list[i][0]][3] = a3(arrays_list[i][1])
elif arrays_list[i][1] == 3:
arr[arrays_list[i][0]][4] = a4(arrays_list[i][1])
print(arr)
return arr
写在最后
因为写的代码质量不高，所以你要看完整篇博客的话会很头疼。
你要是很需要进行数据处理代码的话，我尽量提取我觉得的是重点的内容。
希望这篇博客可以帮到你，解决你的问题。
等再深入一点再来修改这个源码。
源文件
数据
我觉得你应该可以把这些数据录入csv文件中，反正能读取到就好了
(～￣▽￣)～
1,30.22,69,2.9,3.6
2,37.68,,2.86,3.64
3,29.32,66,,1.66
4,37.44,68,1.18,6.49
5,29.46,75,3.81,4.78
6,30.12,77,1.93,4.2
7,26.3,83,2.07,3.67
8,,66,1.46,
9,34.38,62,3.36,4.39
10,30.79,75,2.4,5.79
11,25.17,69,3.34,6.28
12,20.5,80,2.95,6.22
13,37.21,,999.99,4.75
14,31.88,94,2.41,1.49
15,39.94,77,1.98,1.08
16,33.65,67,2.03,
17,27.21,79,1.41,2.5
18,27.57,999,3.39,1.7
19,31.59,94,3.27,5.02
20,,93,,4.69
21,34.88,92,1.58,3.01
22,29.65,92,2.69,5.16
23,26.05,80,2.61,2.8
24,33.5,79,1.26,6.81
25,34.71,72,1.82,2.49
26,999.99,,3.77,999.99
27,37.06,99,1.94,3.85
28,28.57,64,3.93,
29,28,66,1.08,2.4
30,25.67,60,2.33,3.84
31,20.59,67,3.88,5.19
32,39.84,999,3.4,3.77
33,29.22,74,1.09,999.99
34,33.19,61,3.22,1.74
35,38.7,62,3.61,6.52
36,,62,,6.83
37,21.56,93,3.63,4.43
38,38.06,67,3.21,2.41
39,37.95,68,1.12,4.56
40,35.8,96,1.52,5.54
41,29.75,80,1.3,2.23
42,32.69,69,3.26,1.43
43,33.94,96,3.42,1.4
44,36.31,78,3.69,5.34
源码
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import lagrange
# 显示所有列
pd.set_option('display.max_columns', None)
# 显示所有行
pd.set_option('display.max_rows', None)
# 对齐列名
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 取消科学计数法输出
np.set_printoptions(suppress=True)
# 为了直观的显示数字，不采用科学计数法
pd.set_option('display.float_format', lambda x: '%.2f' % x)
'''
param :
arr: 目标数组
row：行
col：列
'''
def Fill_Value(arr, row, col):
# 二维数组填充空白值
# 这里有个前提条件，这个是根据同一列的上下行的值来进行赋值，所以列必须不能1变化，仅对行数进行变化
current_row = row # 记录输入时的行数
current_col = col # 记录输入时的列数
next_row = 0 # 记录下一行的行数
next_col = col # 记录下一列的列数
pre_row = 0 # 记录上一行的行数
pre_col = col # 记录上一列的列数
# 第一行和最后一行的赋值
if row == 0 or row == len(arr) - 1:
if row == 0: # 如果输入的元素位置在第一行，则将同列下一行的非空数赋值给它
flag = True # 标签，如果赋值结束，则结束循环
while flag:
current_row += 1
if arr[current_row][current_col] != '':
arr[row][col] = arr[current_row][current_col] # 赋值
flag = False
elif arr[current_row][current_col] == '': # 判断，如果当前的这个数为空值
current_row += 1 # 则寻找同列下一行的值
else:
print("Fill_Value（）方法==第一行==出错啦！！")
elif row == len(arr) - 1: # 如果输入的元素位置在最后一行，则将同列上一行的非空数赋值给它
flag = True # 标签，如果赋值结束，则结束循环
current_row -= 1
while flag:
if arr[current_row][current_col] != '':
arr[row][col] = arr[current_row][current_col]
flag = False
elif arr[current_row][current_col] == '':
current_row -= 1
else:
print("Fill_Value（）方法的==最后一行==出错啦！！")
else:
print("如果出现这个，则是第一行和最后一行的条件判断错误")
# 非第一行和最后一行的赋值
elif row != 0 and row != len(arr) - 1: # 把该值的同列的上下两行的平均值赋值给它
# 这里有一个算数的坑，就是到这一行时，前面的数一定都是非空的值，因为上面的算法将前面的值都填充了，
# 所以对于这个数来说，前n行都是有值，但是后面的是不一定有值的，有可能很多行都是空值，
# 因此需要我们在选取下一个值的时候稍加判断
# 这里的做法是将后面无论隔了多少行，一定要找到一个值来做平均处理
# 要是在这一行的所有行全是空白值，那么这里的算法则将这一行的上一个值赋值给后面的所有行
flag = True # 标签，如果赋值结束，则结束循环
next_row = current_row + 1
pre_row = current_row - 1
while flag:
if arr[next_row][next_col] != '': # 这里判断下一行是不是空值
arr[row][col] = str((float(arr[next_row][next_col]) + # 这里因为涉及到两个数的数值计算，所以需要转化为数值类型，而上面的仅涉及到单行的赋值行为
float(arr[pre_row][pre_col])) / 2) # 这里需要用浮点数，不能用整数
flag = False
elif arr[next_row][next_col] == '':
next_row += 1
else:
print("Fill_Value（）方法的==非第一行和最后一行的赋值==出错啦！！")
else:
print('这怎么会错了？')
return arr
def Create_Fill_Value_Arr(arr): # 需要的是坐标，那么横坐标和纵坐标的数量应该相同，创建一个len（row）长度的2维零数组
# row和col分别是横坐标和纵坐标的集合
# print(np.where(data == '')) # 找出空白值的坐标
row = np.where(arr == '')[0]
col = np.where(arr == '')[1]
CoordinateArray = np.zeros((len(row), 2)) # 空白值坐标数组
row_count = 0
for i in np.nditer(row):
CoordinateArray[row_count][0] = i
row_count += 1
col_count = 0
for i in np.nditer(col):
CoordinateArray[col_count][1] = i
col_count += 1
return CoordinateArray
# 通过箱型图得出不正常的数据
def CleaningData(arr):
# arr的数据全是字符串
# 如果一个数据跟表中所有数据相比是相差非常大的，那么就有必要进行数值替换，将正常的数据替换异常的数据
point_of_time = [float(num) for num in arr[:, 0]] # 这个采集样本时间点应该用不到
temperature = [float(num) for num in arr[:, 1]]
relative_humidity = [float(num) for num in arr[:, 2]]
Gas_concentration = [float(num) for num in arr[:, 3]]
Carbon_monoxide_concentration = [float(num) for num in arr[:, 4]]
# data的数据全是float
data = {
'temperature': temperature,
'relative_humidity': relative_humidity,
'Gas_concentration': Gas_concentration,
'Carbon_monoxide_concentration': Carbon_monoxide_concentration,
}
df = pd.DataFrame(data)
df.boxplot() # 这里，pandas自己有处理的过程
plt.ylabel("ylabel")
plt.xlabel("xlabel") # 我们设置横纵坐标的标题。
plt.savefig('箱型图.jpg')
plt.show()
# 这里的des数据来自df.describe（），因为
des = {
'temperature': {
'count': 44.00,
'mean': 53.63,
'std': 146.07,
'min': 20.50,
'25%': 29.06,
'50%': 31.73,
'75%': 35.93,
'max': 999.99,
},
'relative_humidity': {
'count': 44.00,
'mean': 118.39,
'std': 194.72,
'min': 60.00,
'25%': 67.00,
'50%': 76.00,
'75%': 88.25,
'max': 999.99,
},
'Gas_concentration': {
'count': 44.00,
'mean': 25.23,
'std': 150.37,
'min': 1.08,
'25%': 1.90,
'50%': 2.65,
'75%': 3.39,
'max': 999.99,
},
'Carbon_monoxide_concentration': {
'count': 44.00,
'mean': 49.15,
'std': 209.90,
'min': 1.08,
'25%': 2.47,
'50%': 3.94,
'75%': 5.23,
'max': 999.99,
}
}
columns_list = ['temperature', 'relative_humidity', 'Gas_concentration', 'Carbon_monoxide_concentration']
# 如果有值超过平均值，该值则视为异常值
arrays_list = [] # 这个列表来记录异常值的坐标
col = 0
row = 0
for col_list in columns_list:
for i in range(len(arr)):
if data[col_list][row] >= des[col_list]['std']:
arrays_list.append([row, col])
row += 1
elif data[col_list][row] < des[col_list]['std']:
row += 1
else:
print("这个一次都不能出现")
col += 1
row = 0
# 三个值选择（4，5，6）行
iloc_point_of_time = [float(num) for num in arr[:, 0]][4:7:1] # 这个采集样本时间
iloc_temperature = [float(num) for num in arr[:, 1]][4:7:1]
iloc_relative_humidity = [float(num) for num in arr[:, 2]][4:7:1]
iloc_Gas_concentration = [float(num) for num in arr[:, 3]][4:7:1]
iloc_Carbon_monoxide_concentration = [float(num) for num in arr[:, 4]][4:7:1]
# 这里使用拉格朗日三值插点法，调用lagrange（）函数
a1 = lagrange(iloc_point_of_time, iloc_temperature)
a2 = lagrange(iloc_point_of_time, iloc_relative_humidity)
a3 = lagrange(iloc_point_of_time, iloc_Gas_concentration)
a4 = lagrange(iloc_point_of_time, iloc_Carbon_monoxide_concentration)
# 将异常值进行赋值
for i in range(len(arrays_list)):
if arrays_list[i][1] == 0:
arr[arrays_list[i][0]][1] = a1(arrays_list[i][1])
elif arrays_list[i][1] == 1:
arr[arrays_list[i][0]][2] = a2(arrays_list[i][1])
elif arrays_list[i][1] == 2:
arr[arrays_list[i][0]][3] = a3(arrays_list[i][1])
elif arrays_list[i][1] == 3:
arr[arrays_list[i][0]][4] = a4(arrays_list[i][1])
# print(arr)
return arr
# 将数据用图像的形式表现
def CreatePicture(arr):
# 这里针对文件创造了相对应的变量，对其他文件可能不适用
# 因为一开始的值为字符串，所以需要将列表里的字符串转化为浮点型，不然会报错
point_of_time = [float(num) for num in arr[:, 0]]
temperature = [float(num) for num in arr[:, 1]]
relative_humidity = [float(num) for num in arr[:, 2]]
Gas_concentration = [float(num) for num in arr[:, 3]]
Carbon_monoxide_concentration = [float(num) for num in arr[:, 4]]
# 把每个点都连成线段
plt.plot(point_of_time, temperature, label="温度（℃）", linestyle=":")
plt.plot(point_of_time, relative_humidity, label="相对湿度", linestyle="--")
plt.plot(point_of_time, Gas_concentration, label="瓦斯浓度", linestyle="-.")
plt.plot(point_of_time, Carbon_monoxide_concentration,
label="一氧化碳浓度", linestyle="-")
# 将每个点都表示出来
plt.scatter(point_of_time, temperature, s=10)
plt.scatter(point_of_time, relative_humidity, s=10)
plt.scatter(point_of_time, Gas_concentration, s=10)
plt.scatter(point_of_time, Carbon_monoxide_concentration, s=10)
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.title("煤矿采样数据表", fontsize=18)
plt.xlabel("采样时间点", fontsize=12)
plt.ylabel("数值", fontsize=12)
plt.legend(fontsize=10)
plt.savefig('折线图.jpg')
plt.show()
# 将所有需要的函数封装在main（）方法里
def main(file):
# 这里的类型转换为字符串类型，因为空值和数值用float或int都不太合适
data = np.loadtxt(file, skiprows=1, dtype=str, delimiter=',')
CoordinateArray = Create_Fill_Value_Arr(data) # 返回一个包含所有空值的坐标数组
for i in range(len(CoordinateArray)):
arr_final = Fill_Value(
data, int(CoordinateArray[i][0]), int(CoordinateArray[i][1])) # 这里虽然是浮点型转换为整数型，但是这里的坐标都应该是整数，所以这个强制转换没有问题
arr_finally = CleaningData(arr_final)
CreatePicture(arr_finally)
return arr_finally
# 这里最好使用绝对地址，因为有些软件对相对地址的定位好像是不大准确的
file = r'作业\第八周\ug_detect.csv'
print(main(file))
运行结果
这是修改后的结果，之前的异常值和空白值都被重新赋值了
有个小问题是：温度有一个计算后的异常值，可能是提醒我不要掉以轻心，自我感觉超好的代码也会有异常
[['1' '30.22' '69' '2.9' '3.6']
['2' '37.68' '67.5' '2.86' '3.64']
['3' '29.32' '66' '2.02' '1.66']
['4' '37.44' '68' '1.18' '6.49']
['5' '29.46' '75' '3.81' '4.78']
['6' '30.12' '77' '1.93' '4.2']
['7' '26.3' '83' '2.07' '3.67']
['8' '30.340' '66' '1.46' '4.0299']
['9' '34.38' '62' '3.36' '4.39']
['10' '30.79' '75' '2.4' '5.79']
['11' '25.17' '69' '3.34' '6.28']
['12' '20.5' '80' '2.95' '6.22']
['13' '37.21' '87.0' '21.569' '4.75']
['14' '31.88' '94' '2.41' '1.49']
['15' '39.94' '77' '1.98' '1.08']
['16' '33.65' '67' '2.03' '1.79']
['17' '27.21' '79' '1.41' '2.5']
['18' '27.57' '107.0' '3.39' '1.7']
['19' '31.59' '94' '3.27' '5.02']
['20' '33.235' '93' '2.425' '4.69']
['21' '34.88' '92' '1.58' '3.01']
['22' '29.65' '92' '2.69' '5.16']
['23' '26.05' '80' '2.61' '2.8']
['24' '33.5' '79' '1.26' '6.81']
['25' '34.71' '72' '1.82' '2.49']
['26' '-41.04' '85.5' '3.77' '6.0900']
['27' '37.06' '99' '1.94' '3.85']
['28' '28.57' '64' '3.93' '3.125']
['29' '28' '66' '1.08' '2.4']
['30' '25.67' '60' '2.33' '3.84']
['31' '20.59' '67' '3.88' '5.19']
['32' '39.84' '107.0' '3.4' '3.77']
['33' '29.22' '74' '1.09' '6.0900']
['34' '33.19' '61' '3.22' '1.74']
['35' '38.7' '62' '3.61' '6.52']
['36' '30.130' '62' '3.62' '6.83']
['37' '21.56' '93' '3.63' '4.43']
['38' '38.06' '67' '3.21' '2.41']
['39' '37.95' '68' '1.12' '4.56']
['40' '35.8' '96' '1.52' '5.54']
['41' '29.75' '80' '1.3' '2.23']
['42' '32.69' '69' '3.26' '1.43']
['43' '33.94' '96' '3.42' '1.4']
['44' '36.31' '78' '3.69' '5.34']]
[['1' '30.22' '69' '2.9' '3.6']
['2' '37.68' '67.5' '2.86' '3.64']
['3' '29.32' '66' '2.02' '1.66']
['4' '37.44' '68' '1.18' '6.49']
['5' '29.46' '75' '3.81' '4.78']
['6' '30.12' '77' '1.93' '4.2']
['7' '26.3' '83' '2.07' '3.67']
['8' '30.340' '66' '1.46' '4.0299']
['9' '34.38' '62' '3.36' '4.39']
['10' '30.79' '75' '2.4' '5.79']
['11' '25.17' '69' '3.34' '6.28']
['12' '20.5' '80' '2.95' '6.22']
['13' '37.21' '87.0' '21.569' '4.75']
['14' '31.88' '94' '2.41' '1.49']
['15' '39.94' '77' '1.98' '1.08']
['16' '33.65' '67' '2.03' '1.79']
['17' '27.21' '79' '1.41' '2.5']
['18' '27.57' '107.0' '3.39' '1.7']
['19' '31.59' '94' '3.27' '5.02']
['20' '33.235' '93' '2.425' '4.69']
['21' '34.88' '92' '1.58' '3.01']
['22' '29.65' '92' '2.69' '5.16']
['23' '26.05' '80' '2.61' '2.8']
['24' '33.5' '79' '1.26' '6.81']
['25' '34.71' '72' '1.82' '2.49']
['26' '-41.04' '85.5' '3.77' '6.0900']
['27' '37.06' '99' '1.94' '3.85']
['28' '28.57' '64' '3.93' '3.125']
['29' '28' '66' '1.08' '2.4']
['30' '25.67' '60' '2.33' '3.84']
['31' '20.59' '67' '3.88' '5.19']
['32' '39.84' '107.0' '3.4' '3.77']
['33' '29.22' '74' '1.09' '6.0900']
['34' '33.19' '61' '3.22' '1.74']
['35' '38.7' '62' '3.61' '6.52']
['36' '30.130' '62' '3.62' '6.83']
['37' '21.56' '93' '3.63' '4.43']
['38' '38.06' '67' '3.21' '2.41']
['39' '37.95' '68' '1.12' '4.56']
['40' '35.8' '96' '1.52' '5.54']
['41' '29.75' '80' '1.3' '2.23']
['42' '32.69' '69' '3.26' '1.43']
['43' '33.94' '96' '3.42' '1.4']
['44' '36.31' '78' '3.69' '5.34']]
箱型图是来看有没有异常值和有多少个异常值
不过看输出的图片就知道只学了点皮毛
下面的这个就是折线图和散点图结合起来
1049
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
