1. 首页首页
  2. 编程基础编程基础

3sigma原则去除异常值原理及其代码实现

编程基础 • • 阅读 17

3sigma原则去除异常值原理及其代码实现本文介绍了如何使用 Python 的 numpy 和 matplotlib 库 通过 3 原理去除数据集中的异常点 并通过可视化展示正常数据和异常值

在这里插入图片描述

学习测试代码

""" # -*- coding: utf-8 -*- # @Time : 2024/1/25 16:32 # @Author : 王摇摆 # @FileName: code5.py # @Software: PyCharm # @Blog ：https://blog.csdn.net/weixin_?type=blog # 异常点去除的原理，3Σ原理 """ import matplotlib.pyplot as plt import numpy as np # 设置matplotlib配置参数，使用支持中文的字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置宋体 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 # 设置随机种子以确保结果可重复 np.random.seed(103) # 生成一个正态分布的数据集，均值为 50，标准差为 10，共 500 个数据点 data = np.random.normal(50, 10, 500) # 计算均值和标准差 mean_value = np.mean(data) std_dev = np.std(data) # 定义异常值的阈值 lower_bound = mean_value - 3 * std_dev upper_bound = mean_value + 3 * std_dev # 找出异常值 outliers = (data < lower_bound) | (data > upper_bound) # 可视化 plt.figure() plt.scatter(np.arange(len(data))[~outliers], data[~outliers], 25, 'b', marker='o', label='正常数据') # 蓝色圆圈 plt.scatter(np.arange(len(data))[outliers], data[outliers], 40, 'r', marker='d', label='异常值') # 红色菱形 # 增加异常值阈值线 plt.axhline(lower_bound, linestyle='--', linewidth=1.5, label='异常值下界') plt.axhline(upper_bound, linestyle='--', linewidth=1.5, label='异常值上界') plt.grid(True) # 开启网格 plt.xlabel('数据点索引', fontsize=12) plt.ylabel('数据值', fontsize=12) plt.title('数据点和异常值', fontsize=14) plt.legend(loc='best') plt.xlim([0, len(data)]) # 设置X轴的范围 plt.show()
今天的文章 3sigma原则去除异常值原理及其代码实现分享到此就结束了，感谢您的阅读。
编程小号
上一篇 2024-12-20 07:40
下一篇 2024-12-20 07:33

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ji-chu/91787.html