在数据分析中，3σ（三西格玛）方法常用于异常值检测和过程控制。该方法基于正态分布的特性，即大约 99.7% 的数据点会落在均值 ± 3 倍标准差的范围内。若某个数据点超出此范围，则可判定为异常值。 ### Python 实现 3σ 数据分析的基本步骤如下： #### 1. 导入必要的库 ```python import numpy as np import pandas as pd ``` #### 2. 加载或生成数据 可以使用 `pandas` 或 `numpy` 来加载数据，例如： ```python # 示例数据 data = pd.Series([4.9, 5.1, 5.0, 5.2, 4.8, 5.1, 5.0, 4.9, 5.0, 5.2]) ``` #### 3. 计算均值和标准差 使用 `mean()` 和 `std()` 方法来计算数据集的均值和标准差。 ```python mu = data.mean() sigma = data.std() ``` #### 4. 定义 3σ 范围 根据公式计算上下限： ```python upper_limit = mu + 3 * sigma lower_limit = mu - 3 * sigma ``` #### 5. 判断异常值 筛选出超出 3σ 范围的数据点： ```python outliers = data[(data < lower_limit) | (data > upper_limit)] ``` #### 6. 输出结果 展示异常值及统计信息： ```python print(f"均值: {mu:.4f}, 标准差: {sigma:.4f}") print(f"3σ 上限: {upper_limit:.4f}, 下限: {lower_limit:.4f}") print("异常值:", outliers.tolist()) ``` #### 7. 可视化（可选） 使用 `matplotlib` 绘制直方图并标注 3σ 范围： ```python import matplotlib.pyplot as plt plt.hist(data, bins=10, alpha=0.7, color='blue', edgecolor='black') plt.axvline(upper_limit, color='r', linestyle='--', label='3σ Upper Limit') plt.axvline(lower_limit, color='r', linestyle='--', label='3σ Lower Limit') plt.legend() plt.title('3σ Data Analysis') plt.xlabel('Value') plt.ylabel('Frequency') plt.show() ``` --- ### 应用场景 - **质量控制**：判断生产过程是否稳定，如引用[1]中的 `calculate_cp_cpk` 函数可用于评估流程能力。 - **金融风控**：识别交易行为中的异常波动。 - **运维监控**：检测服务器性能指标中的异常情况。 --- ### 注意事项 - 确保数据近似服从正态分布，否则 3σ 法可能不适用。 - 对于小样本数据，建议使用修正因子进行调整[^1]。 - 可结合箱线图（IQR）等非参数方法进行多重验证。 ---