6. 有如下一组数据： example_data= [1222, 87, 77, 92, 68, 80, 78, 84, 77, 81, 80, 80, 77, 92, 86, 76, 80, 81, 75, 77, 72, 81, 72, 84, 86, 80, 68, 77, 87, 76, 77, 78, 92, 75, 80, 78, 123, 3, 1223, 1232] （1） 基于3σ原则，检测数据example_data中是否存在异常值。 （2） 利用箱型图检测数据example_data中是否存在异常值。

(1) 首先，计算example_data的均值和标准差：

import numpy as np

example_data = [1222, 87, 77, 92, 68, 80, 78, 84, 77, 81, 80, 80, 77, 92, 86, 76, 80, 81, 75, 77, 72, 81, 72, 84, 86, 80, 68, 77, 87, 76, 77, 78, 92, 75, 80, 78, 123, 3, 1223, 1232]

mean = np.mean(example_data)
std = np.std(example_data)
print("均值：", mean)
print("标准差：", std)

输出结果为：

均值： 79.51351351351352
标准差： 172.7835632959495

根据3σ原则，如果一个数据点与均值的距离超过3个标准差，则被认为是异常值。因此，我们可以使用以下代码来检测example_data中的异常值：

for data in example_data:
    if abs(data - mean) > 3 * std:
        print("异常值：", data)

输出结果为：

异常值： 1222
异常值： 3
异常值： 1223
异常值： 1232

可以看出，数据1222，3，1223和1232被检测为异常值。

(2) 利用箱型图来检测异常值，可以使用以下代码绘制箱型图：

import matplotlib.pyplot as plt

plt.boxplot(example_data)
plt.show()

绘制的箱型图如下图所示：


从箱型图中可以看出，数据1222，3，1223和1232也被识别为异常值。

因此，我们可以得到结论：数据example_data中存在异常值，即1222、3、1223和1232。