
在python數(shù)據(jù)清洗過程中,我們經(jīng)常會遇到一些偏離正常范圍的數(shù)據(jù),例如人的體重為56噸,這些數(shù)據(jù)叫做異常值,如果不做異常值處理,會對我們最終的數(shù)據(jù)分析造成影響。小編今天給大家?guī)砹艘环N很實用的異常值處理方法—3σ原則,希望對大家有所幫助。
一、哪些數(shù)據(jù)是異常值
異常值,指的是數(shù)據(jù)集中存在不合理的值,又叫做離群點。異常值處理就是要將這些離群點找出來,然后進行分析,并確定如何處理,采用何種方式處理。
二、異常值出現(xiàn)原因
1.傳感器故障
2.數(shù)據(jù)錄入錯誤
3.異常事件
三、3σ原則異常值處理
數(shù)據(jù)服從正態(tài)分布。正態(tài)分布,又叫做高斯分布。特征為中間高兩邊低左右對稱。
正態(tài)分布特性:
1)集中性:曲線的最高峰位于正中央,并且位置為均數(shù)所在的位置。
2)對稱性:以均數(shù)所在的位置為中心呈左右對稱,并且曲線兩段無限趨近于橫軸。
3)均勻變動性:正態(tài)分布曲線以均數(shù)所在的位置為中心均勻向左右兩側下降。
正態(tài)分布函數(shù)公式如下:
2.3σ原則
3σ原則是建立在正態(tài)分布的等精度重復測量基礎上而造成奇異數(shù)據(jù)的干擾或噪聲難以滿足正態(tài)分布。如果一組測量數(shù)據(jù)中的某個測量值的殘余誤差的絕對值 νi>3σ,則該測量值為壞值,應剔除.通常把等于 ±3σ的誤差作為極限誤差,對于正態(tài)分布的隨機誤差,落在 ±3σ以外的概率只有 0.27%,它在有限次測量中發(fā)生的可能性很小,故存在3σ準則.3σ準則是最常用也是最簡單的粗大誤差判別準則,它一般應用于測量次數(shù)充分多( n ≥30)或當 n>10做粗略判別時的情況.
σ代表標準差,μ代表均值
樣本數(shù)據(jù)服從正態(tài)分布的情況下
數(shù)值分布在(μ-σ,μ+σ)中的概率為0.6826
數(shù)值分布在(μ-2σ,μ+2σ)中的概率為0.9544
數(shù)值分布在(μ-3σ,μ+3σ)中的概率為0.9974
可以認為,Y 的取值幾乎全部集中在(μ-3σ,μ+3σ)區(qū)間內(nèi),超出這個范圍的可能性僅占不到0.3%。
3.python實現(xiàn)
#用numpy隨機生成100個服從正態(tài)分布的隨機數(shù) num=np.random.randn(100) #隨機插入兩個異常值進去,此時num.shape[0]==102 np.apend(num,[10,20]) #設定法則的左右邊界 left=num.mean()-3*num.std() right=num.mean()+3*num.std() #獲取在范圍內(nèi)的數(shù)據(jù) new_num=num[(left異常值<="" pre="">
推薦學習書籍
《CDA一級教材》適合CDA一級考生備考,也適合業(yè)務及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校,累計已有10萬+在讀~
免費加入閱讀:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數(shù)據(jù)處理的關鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03