python 找到箱型图异常值并用均值替换

可以使用 pandas 和 numpy 库来实现。

首先，读取数据并绘制箱型图：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('data.csv')

# 绘制箱型图
plt.boxplot(df['value'])
plt.show()

然后，计算箱型图的上下限：

# 计算上下限
Q1 = np.percentile(df['value'], 25)
Q3 = np.percentile(df['value'], 75)
IQR = Q3 - Q1
lower_limit = Q1 - 1.5 * IQR
upper_limit = Q3 + 1.5 * IQR

接下来，找到异常值并用均值替换：

# 找到异常值并用均值替换
outliers = (df['value'] < lower_limit) | (df['value'] > upper_limit)
df.loc[outliers, 'value'] = df['value'].mean()

最后，重新绘制箱型图：

# 重新绘制箱型图
plt.boxplot(df['value'])
plt.show()

完整代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('data.csv')

# 绘制箱型图
plt.boxplot(df['value'])
plt.show()

# 计算上下限
Q1 = np.percentile(df['value'], 25)
Q3 = np.percentile(df['value'], 75)
IQR = Q3 - Q1
lower_limit = Q1 - 1.5 * IQR
upper_limit = Q3 + 1.5 * IQR

# 找到异常值并用均值替换
outliers = (df['value'] < lower_limit) | (df['value'] > upper_limit)
df.loc[outliers, 'value'] = df['value'].mean()

# 重新绘制箱型图
plt.boxplot(df['value'])
plt.show()