python如何在csv文件中随机添加离散型异常点，并且分别画出原始数据和异常点

可以使用Python中的pandas和matplotlib库来实现。

首先，我们需要生成一些模拟数据。假设我们有一个包含两个离散型变量（A和B）的csv文件，我们可以使用以下代码生成这个csv文件：

import pandas as pd

# 生成原始数据
data = pd.DataFrame({
    'A': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'],
    'B': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
})

# 将原始数据保存到csv文件中
data.to_csv('data.csv', index=False)

现在我们有了一个名为“data.csv”的文件，它包含两列数据：A和B。

接下来，我们可以使用以下代码向数据中添加离散型异常点：

import random

# 读取csv文件中的数据
data = pd.read_csv('data.csv')

# 随机选择一些数据行
n = 2  # 添加2个异常点
outliers = random.sample(range(len(data)), n)

# 在选定的行中随机修改'A'列的值
for i in outliers:
    data.at[i, 'A'] = 'z'

# 将带有异常点的数据保存到csv文件中
data.to_csv('data_with_outliers.csv', index=False)

现在，我们有了一个名为“data_with_outliers.csv”的文件，它包含两列数据：A和B，其中A列的某些值被修改为“z”，这些就是我们添加的离散型异常点。

最后，我们可以使用以下代码分别绘制原始数据和带有异常点的数据：

import matplotlib.pyplot as plt

# 读取csv文件中的数据
data = pd.read_csv('data.csv')
data_with_outliers = pd.read_csv('data_with_outliers.csv')

# 绘制原始数据
plt.subplot(2, 1, 1)
plt.scatter(x=data.index, y=data['B'])
plt.title('Original Data')

# 绘制带有异常点的数据
plt.subplot(2, 1, 2)
plt.scatter(x=data_with_outliers.index, y=data_with_outliers['B'])
plt.title('Data with Outliers')

# 显示图形
plt.show()

这段代码将生成一个包含两个子图的图形，第一个子图显示原始数据，第二个子图显示带有异常点的数据。