通过箱型图对数据去除异常值代码

以下是使用 Python 和 Pandas 库进行箱型图去除异常值的代码示例：

import pandas as pd
import seaborn as sns

# 读取数据
data = pd.read_csv("data.csv")

# 绘制箱型图
sns.boxplot(data=data)

# 找到异常值
q1 = data.quantile(0.25)
q3 = data.quantile(0.75)
iqr = q3 - q1
lower_bound = q1 - 1.5 * iqr
upper_bound = q3 + 1.5 * iqr
outliers = data[(data < lower_bound) | (data > upper_bound)].dropna()

# 去除异常值
data = data[(data >= lower_bound) & (data <= upper_bound)]

# 绘制去除异常值后的箱型图
sns.boxplot(data=data)

在上面的代码中，我们首先读取数据，并使用 Seaborn 库绘制出数据的箱型图。然后，我们计算出数据的四分位数和 IQR（四分位距），并根据 IQR 定义上下界，找到所有的异常值。最后，我们使用 Pandas 的条件查询功能，将数据中不在上下界内的值过滤掉，从而去除异常值。最后，我们再次绘制箱型图，以检查异常值是否已经被去除。