python中如何删除离群值
小编这次要给大家分享的是python中如何删除离群值,文章内容丰富,感兴趣的小伙伴可以来了解一下,希望大家阅读完这篇文章之后能够有所收获。
删除有多行字符串的json文件中的离群值
def processHold(eachsubject,directory,newfile):filename = 'CMUDataCol/Hold/subject{0}.json'.format(eachsubject) # 原文件with open(filename, 'r') as f: for jsonstr in f.readlines(): # 按行读取原文件# 这里的情况是每一行为一类数值,该行内的数据相互比较找出是否有离群值# 若存在离群值,则删除该行数据data = json.loads(jsonstr)#计算四分位点a = numpy.array(data) q1 = numpy.percentile(a, 25) q3 = numpy.percentile(a, 75) iqr = q3 - q1# 找出异常值i = 0 for item in zip(data): # 在正常值范围内时 i+1if item <= q3 + (1.5*iqr) and item >= q1 - (1.5*iqr): i = i + 1 if i == 10: # 这里是因为我的json文件中每行data有10个元素(如果有更好的方法,请教我一下,谢谢您!) HoldTime = datawith open(newfile, 'a') as f: # 将非离群数据存入新文件json.dump(HoldTime, f) f.write('\n')
补充知识:dataframe 离群值处理
离群值:远离数据主要部分的样本(极大值或极小值)
处理方式:
删除:直接删除离群样本
填充样本:使用box-plot定义变量的数值上下界,以上界填充极大值,以下界填充最小值
# 查看房价的离群情况df['average_price'].hist()plt.show()df[['average_price']].boxplot()plt.show()
def boxplot_fill(col): # 计算iqr:数据四分之三分位值与四分之一分位值的差 iqr = col.quantile(0.75)-col.quantile(0.25) # 根据iqr计算异常值判断阈值 u_th = col.quantile(0.75) + 1.5*iqr # 上界 l_th = col.quantile(0.25) - 1.5*iqr # 下界 # 定义转换函数:如果数字大于上界则用上界值填充,小于下界则用下界值填充。 def box_trans(x): if x > u_th: return u_th elif x < l_th: return l_th else: return x return col.map(box_trans)# 填充效果查看boxplot_fill(df['average_price']).hist()# 进行赋值df['average_price'] = boxplot_fill(df['average_price'])plt.show()
看完这篇关于python中如何删除离群值的文章,如果觉得文章内容写得不错的话,可以把它分享出去给更多人看到。
声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。