### Python 中针对异常值（如负数）的数据填补方法 在数据分析过程中，异常值可能由测量错误、录入失误或实际业务场景中的极端情况引起。对于负数值作为异常值的情况，可以采用以下几种常见方法进行处理。 #### 1. **直接删除包含异常值的记录** 如果数据集较大且异常值比例较小，可以直接移除这些异常样本。这可以通过布尔索引来实现[^1]。 ```python import pandas as pd import numpy as np data = {'value': [-5, 2, 8, -3, 7, 9]} df = pd.DataFrame(data) # 删除 value 列中小于零的行 filtered_df = df[df['value'] >= 0] ``` #### 2. **替换为特定值** 当不希望丢失任何观测值时，可以选择将负数替换成其他合理的数值，比如零或者该列的平均值/中位数等统计指标[^1]。 ```python # 将负数替换为零 df.loc[df['value'] < 0, 'value'] = 0 # 或者用正数部分的均值替代 positive_mean = df[df['value'] > 0]['value'].mean() df.loc[df['value'] < 0, 'value'] = positive_mean ``` #### 3. **基于上下限裁剪 (Winsorization)** 这种方法设定一个阈值范围之外的所有值都将被调整到边界处。例如，所有低于某个最小允许值得项目都会设为此下界；同样地，超过最大界限则设置成上限[^2]。 ```python from scipy.stats.mstats import winsorize # 定义百分比位置用于winsorizing lower_limit = np.percentile(df['value'], 5) upper_limit = np.percentile(df['value'], 95) windsored_data = winsorize(df['value'], limits=(0.05, 0)) df['value_winsorized'] = windsored_data ``` #### 4. **插值法 Interpolation** 适用于时间序列或者其他具有内在顺序关系的数据集合。通过已知相邻点之间的线性或其他形式的关系估算未知区域内的取值[^1]。 ```python time_series = pd.Series([-10, 2, None, 6, 8]) # 使用向前填充 forward fill filled_ffill = time_series.mask(time_series < 0).ffill() # 或者使用向后填充 backward fill filled_bfill = time_series.mask(time_series < 0).bfill() # 线性插值 linear interpolation interpolated_linear = time_series.mask(time_series < 0).interpolate(method='linear') ``` --- ####