#将大于箱线图上限的异常值用上限替代，小于箱线图下限的异常值用对应的箱线图下限替代，给我代码

在Python中，你可以使用`matplotlib`库以及`numpy`库来进行箱线图数据的清理。这里是一个简单的例子，展示如何处理箱线图之外的异常值：

import matplotlib.pyplot as plt
import numpy as np

# 假设我们有如下数据
data = [4, 7, 9, 15, 20, 25, 28, 32, 36, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90]

# 计算箱线图的四分位数
Q1 = np.percentile(data, 25)
Q3 = np.percentile(data, 75)
IQR = Q3 - Q1

# 箱线图上下限
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

# 清理异常值
cleaned_data = []
for value in data:
    if value < lower_bound:
        cleaned_data.append(lower_bound)
    elif value > upper_bound:
        cleaned_data.append(upper_bound)
    else:
        cleaned_data.append(value)

# 绘制清洗后的箱线图
plt.boxplot(cleaned_data)
plt.title("Boxplot with Outliers Replaced")
plt.show()

在这个例子中，我们首先计算了数据的四分位数和IQR（四分位距），然后基于这个范围识别出异常值并替换为箱线图的上下限。最后绘制的是清理后的箱线图。