.对“票房（万）”这个特征，利用四分位发对异常值进行判断，并用最大，最小值去替换异常值，并把结果绘制成箱型图 2.对上座率(%)进行异常值处理，使用三倍标准差的方法，大于上限的用均值填充，小于下限的用0填充，将小于0的也用0填充

好的，这是一个数据预处理的问题，可以使用 Python 中的 pandas 和 matplotlib 库来完成。

首先，我们需要读取数据集，并针对 "票房（万）" 这一列进行异常值处理：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('movie.csv', encoding='gbk')

# 对票房（万）进行四分位数异常值处理
Q1 = df['票房（万）'].quantile(0.25)
Q3 = df['票房（万）'].quantile(0.75)
IQR = Q3 - Q1
df['票房（万）'] = df['票房（万）'].mask(df['票房（万）'] > Q3 + 1.5 * IQR, df['票房（万）'].max())
df['票房（万）'] = df['票房（万）'].mask(df['票房（万）'] < Q1 - 1.5 * IQR, df['票房（万）'].min())

# 绘制箱型图
plt.boxplot(df['票房（万）'])
plt.show()

接下来，我们针对 "上座率(%)" 这一列进行异常值处理：

# 对上座率(%)进行三倍标准差异常值处理
mean = df['上座率(%)'].mean()
std = df['上座率(%)'].std()
upper_limit = mean + 3 * std
lower_limit = mean - 3 * std
df['上座率(%)'] = df['上座率(%)'].mask(df['上座率(%)'] > upper_limit, mean)
df['上座率(%)'] = df['上座率(%)'].mask(df['上座率(%)'] < lower_limit, 0)
df['上座率(%)'] = df['上座率(%)'].mask(df['上座率(%)'] < 0, 0)

# 输出处理后的数据集
print(df.head())

以上就是针对 "票房（万）" 和 "上座率(%)" 进行异常值处理的完整代码。