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佈的，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 plot），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佈情況，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=0.25×17+0.75×19=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=0.5×25+0.5×28=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=0.75×34+0.25×35=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。

這裡是拿歷史一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<min
  if result1 =='False' or result2 == 'False':
    ret.append([columns[i+1],1])
  else: 
    ret.append([columns[i+1],0])
  df = pd.DataFrame(ret)
  
	#將檔案寫入excel表中
df.to_excel("d:/Users/chen_lib/Desktop/ceshi.xlsx",sheet_name="total",index=False,header=False)
 

以上這篇Python實現非正太分佈的異常值檢測方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。