float64数据的每一列数据异常值检测python代码

在Python中，我们可以使用描述统计和可视化方法来检测float64类型数据列的异常值。这里是一个基本的例子，我们将使用pandas库来进行操作：

import pandas as pd
import numpy as np
from scipy import stats

# 假设df是包含float64数据的DataFrame
df = pd.DataFrame(...)

# 检查每一列的异常值
def detect_outliers(column):
    # 计算四分位数范围(Q1-Q3)，这是识别异常值的一个常用方法
    q1, q3 = column.quantile([0.25, 0.75])
    iqr = q3 - q1
    
    # 确定下限和上限，下限通常是Q1 - 1.5 * IQR，上限是Q3 + 1.5 * IQR
    lower_bound = q1 - 1.5 * iqr
    upper_bound = q3 + 1.5 * iqr
    
    # 找出超过上下限的数据点
    outliers = column[(column < lower_bound) | (column > upper_bound)]
    
    return outliers

for column_name in df.columns:
    outliers = detect_outliers(df[column_name])
    print(f"Column {column_name} contains the following outliers:")
    print(outliers)