如何按照1.5IQR原则判断shiyan2数据集中Age、Fare两个字段有无异常值，分别输出去掉Age、Fare、以及所有异常值的记录的三组数据。

可以按照以下步骤判断并输出数据集中 Age、Fare 字段的异常值：

1. 导入数据集

import pandas as pd
df = pd.read_csv('shiyan2.csv')

2. 计算异常值

def IQR_Outliers(Ser):
    """Ser：进行异常值分析的DataFrame的某一列"""
    Low = Ser.quantile(0.25) - 1.5 * (Ser.quantile(0.75) - Ser.quantile(0.25))
    Up = Ser.quantile(0.75) + 1.5 * (Ser.quantile(0.75) - Ser.quantile(0.25))
    index = (Ser < Low) | (Ser > Up)
    Outliers = Ser.loc[index]
    return Outliers

age_outliers = IQR_Outliers(df['Age'])
fare_outliers = IQR_Outliers(df['Fare'])

3. 输出去掉 Age、Fare 字段的记录

df.drop(['Age', 'Fare'], axis=1, inplace=True)

4. 输出去掉所有异常值的记录

df_no_outliers = df[~df['Age'].isin(age_outliers) & ~df['Fare'].isin(fare_outliers)]

这里使用了 `isin()` 函数，将 `~` 取反操作符用于选择不在 `age_outliers` 和 `fare_outliers` 中的行。最后，重新赋值给 `df_no_outliers` 变量，就可以得到去掉所有异常值的记录的数据集。

5. 输出 Age、Fare 字段去掉异常值的记录

df_age_no_outliers = df.drop(age_outliers.index)
df_fare_no_outliers = df.drop(fare_outliers.index)

其中，`index` 属性可以获取 Series 中所有异常值的索引，然后可以利用 `drop()` 函数删除对应的行。最后，分别赋值给 `df_age_no_outliers` 和 `df_fare_no_outliers` 变量，就可以得到去掉 Age、Fare 字段异常值的记录的数据集。