python中计算一组无序数据的离群点

在Python中，计算一组无序数据的离群点（Outliers）通常涉及检测那些与其他数值显著偏离的数据点。这里有几个常用的方法：

1. **Z-score** (标准分数)：计算每个数据点与均值的差距除以标准差，如果绝对值大于某个阈值（如3），则视为离群点。可以使用`scipy.stats.zscore()`函数。

from scipy import stats
data = [...]
z_scores = stats.zscore(data)
outliers = abs(z_scores) > 3

2. **IQR（四分位数范围）法**：基于数据的四分位距（Q3-Q1）来识别离群点，数据点小于Q1 - 1.5 * IQR 或者大于Q3 + 1.5 * IQR被视为异常值。`numpy`库提供了一种便捷的方式。

import numpy as np
data = [...]
q1, q3 = np.percentile(data, [25, 75])
iqr = q3 - 1.5 * iqr
upper_bound = q3 + 1.5 * iqr
outliers = data < lower_bound | data > upper_bound

3. **孤立森林（Isolation Forest）**：是一种基于随机森林的算法，它通过构建一系列随机划分的决策树，寻找路径长度短的样本作为离群点。可以使用第三方库如`sklearn.ensemble.IsolationForest`来实现。

from sklearn.ensemble import IsolationForest
model = IsolationForest()
model.fit(data)
scores = model.decision_function(data)
outliers = scores < model.threshold_