### Python 实现箱线图检测异常值 为了通过箱线图识别并处理数据中的异常值，可以采用 Pandas 和 Matplotlib 库完成这一过程。以下是具体实现方法： 定义函数 `box_outlier` 来检测给定 DataFrame 中每列的异常值，并返回去除这些异常值后的 DataFrame。 ```python import pandas as pd import numpy as np def box_outlier(data): df = data.copy(deep=True) out_index = [] for col in df.columns: Q1 = df[col].quantile(q=0.25) # 计算下四分位数 Q3 = df[col].quantile(q=0.75) # 计算上四分位数 IQR = Q3 - Q1 # 四分位距 (IQR) low_whisker = Q1 - 1.5 * IQR # 定义下边界 up_whisker = Q3 + 1.5 * IQR # 定义上边界 rule = (df[col] > up_whisker) | (df[col] < low_whisker) outliers = df[col][rule] if not outliers.empty: print(f'Column {col} has {len(outliers)} outlier(s)') out_index.extend(df.index[rule]) unique_indices = list(set(out_index)) cleaned_df = df.drop(index=unique_indices).reset_index(drop=True) return cleaned_df, unique_indices ``` 此代码片段展示了如何计算上下四分位数以及基于 Tukey's fences 方法确定的数据范围之外被认为是异常点的位置[^3]。 接着可以通过如下方式调用该函数并对结果进行绘图展示: ```python import matplotlib.pyplot as plt import seaborn as sns # 创建随机样本数据集用于测试 np.random.seed(42) data = {'A': np.random.normal(loc=0, scale=1, size=100), 'B': np.random.exponential(scale=1/10, size=100)} df = pd.DataFrame(data) cleaned_df, outliers_idx = box_outlier(df) plt.figure(figsize=(8,6)) sns.boxplot(data=df, palette="Set3", showmeans=True) for idx in outliers_idx: plt.scatter(x=[list(df.columns)[i%2] for i in range(len(outliers_idx))], y=df.iloc[outliers_idx].values.flatten(), color='red', zorder=5) plt.title('Box Plot with Outliers Highlighted') plt.show() ``` 上述代码创建了一个简单的例子来说明如何利用箱形图找出异常值，并在同一图表中标记出来以便直观查看哪些点被认定为异常值[^2]。 #### 注意事项 - 函数会打印出各特征含有多少个异常值的信息。 - 如果某行存在多于一列标记为异常，则整行都会被认为是要移除的对象。 - 返回的结果不仅有清理过的 DataFrame 还有一个列表保存着所有发现到的异常索引位置。