小编给大家分享一下python中处理异常值的方法，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！
打开pycharm开发工具，在运行窗口输入命令：
import pandas as pd #导入pandas库
输入数据集。
data=pd.DataFrame({'name':['A','B','C','D','E','F','G'],'cost':[2,127,4,6,3,13,14],'sales':[13,18,32,54,23,33,44]})
print(data)
通过z-score方法判断异常值，即对原始值X进行正态标准化：(X-mean(X))/std(X)，根据计算的结果判断样本值与中心的偏离程度。
df1=data.copy()#为了不影响原始数据集，复制数据集data print(df1)
按列计算均值和标准差。
df1['cost']=(df1['cost']-df1['cost'].mean())/df1['cost'].std()#标准化cost_z列
对sales列进行标准化。
df1['sales']=(df1['sales']-df1['sales'].mean())/df1['sales'].std()#标准化cost_z列 df1['sales']
查看标准化后的数据集。
print(df1)
标准化后的绝对值越大，数据越有可能异常，是否异常根据设定的阈值判断。
假设cost列阈值为2，通过下面的方法找到异常值。
df1['cost'].abs()>2#判断数据是否异常 data[df1['cost'].abs()>2]#取出原数据集中的异常点
看完了这篇文章，相信你对python中处理异常值的方法有了一定的了解，想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
