IQR方法python

IQR方法是一种常用的异常检测方法，用于识别数据集中的异常值。下面是一个使用Python实现IQR方法的示例代码：

import numpy as np

def cal_iqr(arr):
    # 计算四分位距
    qr1 = np.quantile(arr, 0.25, method='averaged_inverted_cdf') # 下四分位数
    qr3 = np.quantile(arr, 0.75, method='averaged_inverted_cdf') # 上四分位数
    iqr = qr3 - qr1 # 计算四分位距
    return iqr

这段代码使用了NumPy库中的`quantile`函数来计算数据集的下四分位数和上四分位数，然后通过相减得到四分位距（IQR）。函数的输入参数`arr`是一个一维数组，表示待计算的数据集。

你可以将需要进行异常检测的数据传递给`cal_iqr`函数，它将返回数据集的四分位距。根据IQR方法的原理，可以将超过1.5倍IQR的值视为异常值。

参考资料：
- A walkthrough of Univariate Anomaly Detection in Python（很好学习资料）：\[链接\](https://www.analyticsvidhya.com/blog/2021/06/univariate-anomaly-detection-a-walkthrough-in-python/)
- 14种异常检测方法总结：\[链接\](https://www.analyticsvidhya.com/blog/2019/02/outlier-detection-python-pyod/)
- PyOD库：\[链接\](https://pyod.readthedocs.io/en/latest/)
\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* [python：计算四分位距IQR](https://blog.csdn.net/weixin_41543800/article/details/127548569)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [删除异常值方法总结](https://blog.csdn.net/qq_32649321/article/details/123009459)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]