设某一数据A列为类别类，B列为需要处理的数据列，使用python找出A列中每个类别的B列数据不符合3sigma准则的数据代码

以下是Python代码示例：

import pandas as pd
import numpy as np

# 读取数据
data = pd.read_excel('data.xlsx')

# 分组计算每个类别的均值和标准差
grouped = data.groupby('A')
mean = grouped['B'].mean()
std = grouped['B'].std()

# 计算3sigma范围
lower_bound = mean - 3 * std
upper_bound = mean + 3 * std

# 判断每个数据是否处于3sigma范围之外
outlier_mask = []
for i in range(len(data)):
    mask = (data.loc[i, 'B'] < lower_bound[data.loc[i, 'A']]) or \
           (data.loc[i, 'B'] > upper_bound[data.loc[i, 'A']])
    outlier_mask.append(mask)

# 输出符合条件的数据
outliers = data[outlier_mask]
print(outliers)

以上代码假设数据存储在名为"data.xlsx"的Excel文件中，其中第一列为"A"列，第二列为"B"列。代码首先对数据按"A"列分组，计算每个类别的均值和标准差，然后使用3sigma准则计算出每个类别的范围，最后判断每个数据是否在其所属类别的范围内，将符合条件的数据输出。