創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)公司是一家集網(wǎng)站建設(shè),青龍企業(yè)網(wǎng)站建設(shè),青龍品牌網(wǎng)站建設(shè),網(wǎng)站定制,青龍網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,青龍網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

小編給大家分享一下python中處理異常值的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

打開pycharm開發(fā)工具，在運行窗口輸入命令：

import pandas as pd #導(dǎo)入pandas庫

輸入數(shù)據(jù)集。

data=pd.DataFrame({'name':['A','B','C','D','E','F','G'],'cost':[2,127,4,6,3,13,14],'sales':[13,18,32,54,23,33,44]})
print(data)

通過z-score方法判斷異常值，即對原始值X進(jìn)行正態(tài)標(biāo)準(zhǔn)化：(X-mean(X))/std(X)，根據(jù)計算的結(jié)果判斷樣本值與中心的偏離程度。

df1=data.copy()#為了不影響原始數(shù)據(jù)集，復(fù)制數(shù)據(jù)集data
print(df1)

按列計算均值和標(biāo)準(zhǔn)差。

df1['cost']=(df1['cost']-df1['cost'].mean())/df1['cost'].std()#標(biāo)準(zhǔn)化cost_z列

對sales列進(jìn)行標(biāo)準(zhǔn)化。

df1['sales']=(df1['sales']-df1['sales'].mean())/df1['sales'].std()#標(biāo)準(zhǔn)化cost_z列
df1['sales']

查看標(biāo)準(zhǔn)化后的數(shù)據(jù)集。

print(df1)

標(biāo)準(zhǔn)化后的絕對值越大，數(shù)據(jù)越有可能異常，是否異常根據(jù)設(shè)定的閾值判斷。

假設(shè)cost列閾值為2，通過下面的方法找到異常值。

df1['cost'].abs()>2#判斷數(shù)據(jù)是否異常
data[df1['cost'].abs()>2]#取出原數(shù)據(jù)集中的異常點

看完了這篇文章，相信你對python中處理異常值的方法有了一定的了解，想了解更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道，感謝各位的閱讀！

本文題目：python中處理異常值的方法-創(chuàng)新互聯(lián)
新聞來源：http://weahome.cn/article/cepjjj.html