Python 熊猫-用groupby平均值替换异常值

我有一个pandas数据框架，我想把它分成几个组，计算平均值和标准偏差，然后用组的平均值替换所有的异常值。如果偏离组平均值超过3个标准差，则定义为异常值

df = pandas.DataFrame({'a': ['A','A','A','B','B','B','B'], 'b': [1.1,1.2,1.1,3.3,3.4,3.3,100.0]})

我认为以下方法可行：

df.groupby('a')['b'].transform(lambda x: x[i] if np.abs(x[i]-x.mean())<=(3*x.std()) else x.mean() for i in range(0,len(x)))

但我得到了一个不同的错误：

关键错误：0

最后，我求助于创建一个单独的专栏：

df['c'] = [df.groupby('a')['b'].transform(mean) if df.groupby('a')['b'].transform(lambda x: (x - x.mean()) / x.std()) > 3 else df['b']] 

但这也没有奏效：

ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

非常感谢您的建议。

试试以下方法：

def replace(group):
    mean, std = group.mean(), group.std()
    outliers = (group - mean).abs() > 3*std
    group[outliers] = mean        # or "group[~outliers].mean()"
    return group

df.groupby('a').transform(replace)

---

注意：如果您想消除上一组中的100个，您可以用

1*std

替换

3*std

。该组中的标准偏差为48.33，因此将其包括在结果中。

首先去除异常值，然后计算组平均值以进行替换更为合适。如果用异常值计算替换平均值，则平均值会受到异常值的影响，希望这会有所帮助：

步骤1，删除异常值（参考）：

第2步，替换异常值（参考elyase）：

---

但这难道不意味着会受到异常值的影响吗？

df['c'] = [df.groupby('a')['b'].transform(mean) if df.groupby('a')['b'].transform(lambda x: (x - x.mean()) / x.std()) > 3 else df['b']] 

def replace(group):
    mean, std = group.mean(), group.std()
    outliers = (group - mean).abs() > 3*std
    group[outliers] = mean        # or "group[~outliers].mean()"
    return group

df.groupby('a').transform(replace)

def is_outlier(s):
    lower_limit = s.mean() - (s.std() * 3)
    upper_limit = s.mean() + (s.std() * 3)
    return ~s.between(lower_limit, upper_limit)

df = df[~df.groupby('a')['count'].apply(is_outlier)]

def replace(group):
    mean, std = group.mean(), group.std()
    outliers = (group - mean).abs() > 3*std
    group[outliers] = mean        # or "group[~outliers].mean()"
    return group

df.groupby('a').transform(replace)