使用boxoutlier的方式，找到所有异常值，并使用列表保存异常值所在的索引

`boxoutlier` 是一个 Python 的库，用于检测数据中的离群值（也称为异常值）。Boxplot 方法（箱线图）是一种统计可视化工具，可以帮助我们识别数据集中的一般范围、四分位数以及可能存在的异常值。如果你想要找出数组中的异常值并获取其索引，你可以按照以下步骤操作：

首先，确保你已经安装了 `boxoutlier` 库，如果没有，可以通过 pip 安装：

pip install boxoutlier

然后，你可以使用 `boxoutliers` 函数来计算数据集中的异常值。这个函数返回一个布尔值数组，True 表示该位置的数据点被认为是异常值。

以下是一个例子，展示了如何找到并保存异常值及其索引：

from boxoutlier import boxoutliers

# 假设你有一个名为 data 的 NumPy 数组或 Pandas DataFrame
data = [your_data_list_or_df]  # 请替换为实际的数据

# 使用 boxoutliers() 函数
threshold = 0.5  # 设置阈值，默认为 IQR (四分位距) 的 1.5 倍
outliers_mask = boxoutliers(data, threshold)

# 异常值所在的索引
indices_of_outliers = np.where(outliers_mask)[0]

# 注意，这里假设你正在使用 NumPy。如果使用 pandas，则 `where` 替换为 `.index[outliers_mask]`
print("异常值的索引：", indices_of_outliers)

在这个代码片段中，`threshold` 变量决定了哪些数值被标记为异常。如果你想基于不同的规则调整异常值定义，你可以根据需要修改这个参数。