基于python的时间序列数据异常检测

我正试图编写一个python代码来检测时间序列数据中的异常情况。我的输入数据如下所示：

---

在这里，红色标记的区域是异常。我希望得到异常数据点的x坐标。到目前为止，我已经尝试了一种基本的if条件（即if速率<100，数据点异常）和各种统计技术，如：平均值、标准偏差、不同窗口大小的滚动平均值等。但是，它们都没有很好地工作。有没有一种方法可以通过使用一些统计方法来实现我想要的？如果没有简单的方法可以做到这一点，我知道我必须寻找机器学习算法。在这种情况下，哪种算法适合我的数据集？谢谢。

看起来您的数据是以块的形式出现的，如果您能够区分块（两个样本之间可能有一定的延迟），您可以查看块中样本的分布。如果你知道你的利率永远不会降到100以下，我会从这个开始，稍微整理一下，然后看看剩余的分布。模式值应该有助于识别“中间”，即最常见的值。切断所有数据—一定量的标准偏差可能有助于获得干净的数据，但不能保证不会切断任何所需的数据

---

编辑：在获取模式之前，你必须将数据放入垃圾箱。

@AdrienWehrlé我试图寻找均值和标准差的突然下降。然而，在数据的良好区域，平均值和标准偏差也会下降。因此，对它们设置限制也会削减一些好的数据。