python格拉布斯检测异常值代码

在Python中，我们可以使用Grubbs检验（也称为离群点检验）来检测数据集中的异常值。Grubbs测试基于最大绝对偏差（Max Absolute Deviation，MAD），它是一种统计方法，用于查找样本中可能存在的显著偏离其他观测值的数据点。

以下是一个简单的Grubbs检验的例子，使用`scipy.stats`库：

from scipy import stats
import numpy as np

# 假设我们有一个数据列表
data = [5, 10, 15, 20, 25, 80, 30]  # 这里假设80是异常值

def grubbs_test(data):
    n = len(data)
    sorted_data = np.sort(data)  # 对数据进行排序
    d = max(sorted_data) - min(sorted_data)  # 计算极差
    i = (n + 1) // 2  # 中位数位置
    median = sorted_data[i]
    test_statistic = abs(max(sorted_data) - median) / (d * ((n - 1) ** (-0.5)))
    critical_value = stats.t.isf(0.975, n - 2) * sqrt((2 * (n + 1)) / (n * (n - 3)))

    if test_statistic > critical_value:
        print("可能存在异常值，Grubbs检验结果：Test Statistic:", test_statistic, "Critical Value:", critical_value)
    else:
        print("未发现显著异常值")

grubbs_test(data)

在这个例子中，如果计算得到的test statistic大于critical value，那么我们就认为数据集中有异常值。注意，Grubbs检验对于小样本（n < 30）特别敏感，对于大数据集，可能会有更好的替代方法，如Z-score或IQR方法。