Python 狄克逊'；异常值的s-Q检验

我在谷歌上搜索过，找不到内置的Dixon python Q测试。我知道R有一个，但我的问题是我有多达9个位置，每个位置都有一个仪器读取读数，报告一个时间实例的值（我们称之为fluff）。出于我们将不深入讨论的原因，如果仪器出现严重问题，数据将存储为fluff=-999。此外，如果风吹错了等，仪器会收到疯狂的读数。我想做的是对数据进行Dixon's Qtest，看看某个位置的读数是否应该被丢弃，而不是用于计算数据的其他统计数据。也许这会有帮助

Data[location][time]

是一本词典词典

for t in Time:    
    L = []
    for loc in Location:
        L.append(Data[loc][t])

    #perform Dixon's Outlier test
    average = sum(L) / len(L)
    AverData[t] = average

    #more analysis

---

谢谢大家!

Dixon Q检验的目的是通过偏离正态分布来识别异常值，但在这种情况下，如果fluff=-999，您知道fluff（可能还有行/读数中的所有其他数据）是异常值。听起来你不需要狄克逊的Q

尽管如此，在Python中仍然有Dixon的Q测试的原始实现