python如何用最少的代码实现iqr异常识别，python代码展示

以下是使用Python中的一行代码实现IQR异常值检测的方法：

import numpy as np

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 20]

outliers = data[(np.abs(np.array(data) - np.median(data)) * 2.5) > (np.percentile(data, 75) - np.percentile(data, 25))]

print(outliers)  # [20]

在上述代码中，np.abs(np.array(data) - np.median(data))表示计算数据与中位数之间的差值，* 2.5表示将差值乘以一个常数，这里取2.5，超过这个值的数据被认为是异常值。np.percentile(data, 75)和np.percentile(data, 25)分别表示计算数据的上四分位数和下四分位数。最后，使用data[]将异常值筛选出来。

需要注意的是，这种方法将数据集中所有超过IQR * 2.5的值都看作是异常值，因此可能会将一些真实数据误判为异常值，需要根据实际情况调整常数2.5。