处理异常值数据表函数中设置两种方法并分别调用，把他们设置在同一个函数里

好的，我们可以将处理异常值的两种方法设置在同一个函数中，并通过参数来选择具体的方法。具体实现可以参考以下代码：

import pandas as pd

# 处理异常值的函数
def handle_outliers(df, column, method='remove'):
    q1 = df[column].quantile(0.25)
    q3 = df[column].quantile(0.75)
    iqr = q3 - q1
    low_threshold = q1 - 1.5 * iqr
    high_threshold = q3 + 1.5 * iqr
    if method == 'remove':
        return df[(df[column] >= low_threshold) & (df[column] <= high_threshold)]
    elif method == 'replace':
        df[column] = df[column].apply(lambda x: x if (x >= low_threshold and x <= high_threshold) else df[column].median())
        return df

# 调用删除异常值的函数
df = pd.read_csv('data.csv')
df = handle_outliers(df, 'age', method='remove')
print(df.head())

# 调用替换异常值的函数
df = pd.read_csv('data.csv')
df = handle_outliers(df, 'age', method='replace')
print(df.head())

在上述代码中，我们将删除和替换异常值的方法都放在了`handle_outliers`函数中，并通过`method`参数来指定具体的方法。如果`method`参数的值为`remove`，则调用删除异常值的方法；如果`method`参数的值为`replace`，则调用替换异常值的方法。这样，我们就可以通过一个函数来完成两种不同的异常值处理方式了。