Python 从三维数据元素中删除异常值

我编写了一个从数据集中删除异常值的函数。例如，它使用z分数工作，也适用于1d元素

# usage remove_outliers(data)  
[10 99 12 15 9 2 17 15]---->[10 12 15 9 17 15]

# usage remove_outliers(data, thresh=(30,30,30), axis=(0,1))  
[(0, 10, 3) (99, 255, 255) (100, 10, 9) (45, 34, 9)]---->[  0  10   3  99 255 255 100  10   9  45  34   9]

然而，它是错误的三维数据，它拉离我的三维数据，例如

# usage remove_outliers(data)  
[10 99 12 15 9 2 17 15]---->[10 12 15 9 17 15]

# usage remove_outliers(data, thresh=(30,30,30), axis=(0,1))  
[(0, 10, 3) (99, 255, 255) (100, 10, 9) (45, 34, 9)]---->[  0  10   3  99 255 255 100  10   9  45  34   9]

我期待着这样的结果

[(0, 10, 3) (100, 10, 9) (45, 34, 9)]

我的函数

remove_outliers（）

有什么错误？我如何编辑它来处理三维元素数据

def remove_outliers(data, thresh=2.0, axis=None):
    # If a value is > thresh std_deviations from the mean they are an outlier and remove it
    # Eg, thresh = 3, std_dev = 2, mean=18. If value=7, then 7 is an outlier
    d = np.abs(data - np.median(data, axis))
    mdev = np.median(d, axis)
    s = d/mdev if mdev else 0.0
    return data[s<thresh]

def删除异常值（数据，阈值=2.0，轴=无）：
#如果某个值大于平均值的标准偏差阈值，则该值为异常值，并将其删除
#例如，阈值=3，标准偏差=2，平均值=18。如果值=7，则7为异常值
d=np.abs（数据-np.median（数据，轴））
mdev=np.中值（d轴）
如果mdev为0.0，则s=d/mdev
返回数据[s您需要组合每个点的坐标条件。在下面的代码中，这是由
完成的。所有（轴=1）

#numpy.median相当慢，让我们构建自己的
def中值（x）：
m、 n=x.形状
中间=np.arange（（m-1）>>1，（m>>1）+1）
x=np.分区（x，中间，轴=0）
返回x[中间].平均值（轴=0）
#主要功能
def删除_异常值（数据，阈值=2.0）：
m=中值（数据）
s=np.abs（数据-m）
返回数据[（感谢您的回答，我的数据可以是1d或2d，但您的示例只处理2d数据？作为一种快速解决方法，您可以使用
np.c_[input_array]
。如果是2d，则保持
input_array
不变，如果是1d，则在形状上附加1。