Python Numpy确定数组中导致高方差的值的方法

是否有一种简单的方法来确定数组中导致高方差的值

考虑一组数字

array([164, 202, 164, 164, 164, 166], dtype=uint16)

快速扫描显示，202将导致高差异，如果我从列表中删除，将大大减少差异

>>> np.var(np.array([164, 202, 164, 164, 164, 166]))
196.88888888888886

>>> np.var(np.array([164, 164, 164, 164, 166]))
0.64000000000000012

从上面的列表中删除202将大大减少差异

>>> np.var(np.array([164, 202, 164, 164, 164, 166]))
196.88888888888886

>>> np.var(np.array([164, 164, 164, 164, 166]))
0.64000000000000012

---

但是，如何确定违规值呢？

假设这是您的数据：

In [19]: import numpy as np
In [167]: x = np.array([164, 202, 164, 164, 164, 166], dtype=np.uint16)

这是一个布尔数组，指示

x

中哪些值与平均值的偏差大于1个标准差：

In [170]: abs(x-x.mean()) > x.std()
Out[170]: array([False,  True, False, False, False, False], dtype=bool)

In [171]: x[abs(x-x.mean()) > x.std()]
Out[171]: array([202], dtype=uint16)

我们可以使用布尔数组作为所谓的“花式索引”来检索与平均值的标准偏差超过1的值：

In [170]: abs(x-x.mean()) > x.std()
Out[170]: array([False,  True, False, False, False, False], dtype=bool)

In [171]: x[abs(x-x.mean()) > x.std()]
Out[171]: array([202], dtype=uint16)

或者，逆转不平等性以获得去除“异常值”的数据：

---

In[172]：x[abs（x-x.mean（））完美！！非常感谢您抽出时间