创建一个有50个元素的Series对象，其values数组中的数据随机生成，数据总体上满足均值为1000, 标准差为200的正态分布。 (1) 自定义异常值为：小于QL-1.25IQR或大于QU+1.25IQR的值。绘制箱线图，检测生成的数据中是否包含大于上限和小于下限的异常值，并且要求这两类异常值都要有。如果不满足要求，那么就重新生成数据，直到满足要求为止； (2) 利用箱线图获取并输出异常值的索引； (3) 编写一个通用函数，其功能为将一个Series对象中大于上限的异常值用QU替换，而小于下限的异常值用QL替换。（原地操作） (4) 用该函数处理满足(1)要求的Series对象，输出QU、QL的值。然后，创建一个如下所示的DataFrame对象，其index为异常值的索引，Before列上的数据为替换前的值，After列上的数据为替换后的值。最后，输出该DataFrame对象

下面是代码实现：

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

def generate_data():
    while True:
        data = pd.Series(np.random.normal(loc=1000, scale=200, size=50))
        QL, QU = data.quantile([0.25, 0.75])
        IQR = QU - QL
        lower_bound = QL - 1.25 * IQR
        upper_bound = QU + 1.25 * IQR
        if (data < lower_bound).any() and (data > upper_bound).any():
            return data

data = generate_data()
QL, QU = data.quantile([0.25, 0.75])
IQR = QU - QL
lower_bound = QL - 1.25 * IQR
upper_bound = QU + 1.25 * IQR

fig, ax = plt.subplots()
ax.boxplot(data, vert=False)
ax.set_title('Box plot of random data')
ax.set_xlabel('Value')
ax.set_yticklabels(['Data'])
plt.show()

outliers = data[(data < lower_bound) | (data > upper_bound)]
print('The outliers are:\n', outliers)

def replace_outliers(series, ql, qu):
    series[series < ql] = ql
    series[series > qu] = qu

replace_outliers(data, lower_bound, upper_bound)
print('QL =', lower_bound)
print('QU =', upper_bound)

df = pd.DataFrame({'Before': outliers, 'After': data[outliers.index]}, index=outliers.index)
print(df)

首先定义了一个函数`generate_data()`，用于生成满足要求的数据，即满足有小于下限和大于上限的异常值。然后绘制箱线图，查看数据是否满足要求，并输出异常值的索引。接着，定义了一个替换异常值的函数`replace_outliers()`，并用该函数处理数据，输出QL和QU的值。最后，创建DataFrame对象，输出替换前后的数据。