工作中，我們經常會遇到資料異常，比如說瀏覽量突增猛降，交易量突增猛降，但是這些資料又不是符合正太分布的，如果用幾倍西格瑪就不合適，那麼我們如何來判斷這些變化是否在合理的範圍呢？
小白查閱一些資料後，發現可以用箱形圖，具體描述如下：
箱形圖（英文：box www.cppcns.complot），又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組資料分散情況資料的統計圖。因型狀如箱子而得名。箱形圖最大的優點就是不受異常值的影響，能夠準確穩定地描繪出資料的離散分布情況，同時也利於資料的清洗。
異常值可以設定為上四分位數的1.25倍，也可以設定為1.5倍，具體的要通過實驗可得。
1、下四分位數q1
（1）確定四分程式設計客棧位數的位置。qi所在位置=i（n+1）/4，其中i=1，2，3。n表示序列中包含的項數。
（2）根據位置，計算相應的四分位vhjcezg數。
例中：q1所在的位置=（14+1）/4=3.75，q1=0.25第三項+0.75第四項=0.2517+0.7519=18.5；
2、中位數（第二個四分位數）q2中位數，即一組數由小到大排列處於中間位置的數。若序列數為偶數個，該組的中位數為中間兩個數的平均數。
例中：q2所在的位置=2（14+1）/4=7.5，q2=0.5第七項+0.5第八項=0.525+0.528=26.5
3、上四分位數q3計算方法同下四分位數。
例中：q3所在的位置=3（14+1）/4=11.25，q3=0.75第十一項+0.25第十二項=0.7534+0.2535=34.25。
4、上限上限是非異常範圍內的最大值。
首先要知道什麼是四分位距如何計算的？四分位距iqr=q3-q1，那麼上限=q3+1.5iqr5、下限下限是非異常範圍內的最小值。下限=q1-1.5iqr
我這裡是使用上四分位數的1.5倍作為上限，下四分位數的1.5倍作為下限。
這裡是拿歷史乙個月每天的產量和間夜量作為參考，統計出歷史的箱線圖的各個指標，然後將要比較的資料，來進行迴圈判斷，若超www.cppcns.com過上限/下限那麼丟擲1和0.
# -*- coding: utf-8 -*-
"""created on tue apr 30 10:52:37 2019
@author: chen_lib
"""
import pandas as pd
catering_sale = 'd:/users/chen_lib/desktop/ceshi.csv' #讀取歷史資料
datax = pd.read_csv(catering_sale) #讀取資料
#取出不是昨天的資料
data = datax.loc[datax['orderdate'] != datetime][:]
'''import time
## yyyy-mm-dd格式
print (time.strftime("%y-%m-%d"))
'''#時間減一天
import datetime
datetime = (datetime.datetime.now()+datetime.timedelta(days=-1)).strftime("%y-%m-%d")
#儲存基本統計量，將常見的統計資訊儲存為資料框
statistics = data.describe()
#新增行標籤 計算出每個指標的上線下線和四分位間距
statistics.loc['iqr'] = statistics.loc['75%']-statistics.loc['25%'] #四分位數間距
statistics.loc['up'] = statistics.loc['75%'] + 1.5*statistics.loc['iqr'] #上限
statistics.loc['dawn'] = statistics.loc['25%'] - 1.5*statistics.loc['iqr']#下限
#取出data的列名
columns = data.columns.values.tolist()
'''取出要比較的數值,放在統計資訊表'''
a = data.loc[data['orderdate'] == datetime][columns[1]]#取出第一列
b = data.loc[data['orderdate'] == datetime][columns[2]]#取出第二列
statistics.loc['res'] = [a[1],b[1]]#取出需要比較的當天的資料 放入統計資訊中
'''迴圈取出結果是否滿足要求'''
ret =
for i in range(2):
res = statistics.loc['res'][i]
max = statistics.loc['up'][columns[i+1]]#最大值
min = statistics.loc['dawn'][columns[i+1]]#最小值
'''#重建三個值的索引，以便比較大小
res.index = ['ordernum']
max.index = max['ordernum']
min.index = min['ordernum']
#判斷異常值，若大於最大值或者小於最小值則丟擲結果為1
'''result1 = res>max
result2 = res程式設計客棧/chen_lib/desktop/ceshi.xlsx",sheet_name="total",index=false,header=false)
本文標題: python實現非正太分布的異常值檢測方式
本文位址:
證明隨機數符合正太分布的方法
因為工作需要，自己用c語言實現了matlab中的normrnd函式 隨機正太分布函式，就是生成的隨機數符合正太分布 其實相關的函式實現網上有很多，我使用了box muller方法。需要的可以網上找，這裡不做描述 本文主要是驗證自己實現的c函式有沒有真正的實現這個功能。方法就是大量資料描圖 1.用c函...
基於正太分布的一元離群點檢測
以下為matlab實現程式 clc clear 利用最大似然估計，檢測一元離群點 氣溫測試資料，單位為攝氏度，這裡假設資料服從正太分布 tdata 24,24.1,28.9,28.9,29.0,29.1,29.1,29.2,29.2,29.3,29.4,29,28,29.2,29.3,29,29.5...
兩類問題且模式都是正太分布的特殊情況
兩類問題且模式都是正太分布的特殊情況 設有兩種模式，w1，w2,p w1 和p w2 求這兩類模式之間的貝葉斯判別介面的方程式 當c1 c2時，兩類模式的正態分佈為 p x 1 表示為n m1,c1 p x 2 表示為n m2,c2 1和 2兩類的判別函式對應為 m1和m2是兩種模式的均值向量 mi...