箱线图剔除异常值python

箱线图是一种展示数据分布情况的图形，在Python中可以使用matplotlib库中的boxplot函数进行绘制。在绘制箱线图时，我们可以通过查看箱线图的“异常值”，来初步判断数据是否存在异常或者离群点。

对于存在异常值的情况，我们可以使用Python中的numpy库中的percentile函数来计算数据集的上下四分位数（Q1，Q3），并计算出箱线图的上界和下界。然后，我们可以使用pandas库中的数据筛选功能，将超过边缘的值剔除掉，这样就可以得到一个更加准确的数据集，便于进一步的分析和处理。剔除异常值后，再次绘制箱线图，可以更好地展示数据集的分布情况。

在Python中，进行箱线图剔除异常值的代码实现如下：

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

# 构造原始数据集
data = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 20]})

# 绘制箱线图
plt.boxplot(data.A)

# 计算四分位数
Q1 = np.percentile(data.A, 25)
Q3 = np.percentile(data.A, 75)

# 计算箱线图的上界和下界
upper_bound = Q3 + 1.5 * (Q3 - Q1)
lower_bound = Q1 - 1.5 * (Q3 - Q1)

# 剔除异常值
data = data[(data.A >= lower_bound) & (data.A <= upper_bound)]

# 重新绘制箱线图
plt.boxplot(data.A)
plt.show()

在上面的代码中，我们首先构造了一个包含11个数据点的数据集，其中最后一个数据点20是异常值。然后我们绘制了这个数据集的箱线图，并计算出了上界和下界。根据上下界，我们使用pandas库的筛选功能，将超过上下界的数据点剔除掉。最后，我们使用matplotlib库重新绘制了去除异常值后的箱线图。

通过以上方法，可以快速有效地剔除箱线图中的异常值，并得到更加准确地数据集。