Python 识别突出的价值观

给出一条格言：

data = {'18': [3.89, 1.28], '20': [1.39, 3.15], '15': [1.42, 3.10]}

我想挑选与其他项目明显不同的项目，如

18

。理想情况下，我会指定

ALLOWED\u difference

，将其设置为演示的

0.5

，这是一个阈值，用于分类哪些内容突出哪些内容不突出（与其他值相比）

---

带有

3.89

的

18

在这里显然是不正确的，因为大多数的值都在1.4左右（比较每个列表中的任何一个值就足以得出结论），并且差值（

abs（3.89-1.4）

）大于

0.5

（允许的最大值）。

计算值的平均值

>>> from numpy import mean
>>> data = {'18': [3.89, 1.28], '20': [1.39, 3.15], '15': [1.42, 3.10]}
>>> avg = mean([x for sublist in data.values() for x in sublist])
>>> avg
2.3716666666666666

设置阈值并构建一个新字典，该字典将原始键映射到与约束匹配的值列表。这里有两个例子：

>>> thresh = 0.5
>>> {k:[x for x in v if abs(x-avg) > thresh] for k, v in data.items()}
{'18': [3.89, 1.28], '15': [1.42, 3.1], '20': [1.39, 3.15]}
>>>
>>> thresh = 1
>>> {k:[x for x in v if abs(x-avg) > thresh] for k, v in data.items()}
{'18': [3.89, 1.28], '15': [], '20': []}

编辑：只考虑一个职位

>>> pos = 0
>>> {k:v[pos] for k, v in data.items() if abs(v[pos]-avg) > thresh}
{'18': 3.89}
>>> 
>>> pos = 1
>>> {k:v[pos] for k, v in data.items() if abs(v[pos]-avg) > thresh}
{'18': 1.28}

---

如果您想要一种更具统计性的方法来发现异常值，您可以这样做：

data = {'18': [3.89, 1.28], '20': [1.39, 3.15], '15': [1.42, 3.10]}

avg = np.mean([x for sublist in data.values() for x in sublist])
stddev = np.std([x for sublist in data.values() for x in sublist])

对于一个标准偏差：

n_stddevs = 1

{k: [x for x in v if x  >= avg-stddev*n_stddevs and x <= avg+stddev*n_stddevs] for k, v in data.items()}

# {'15': [1.42, 3.1], '18': [], '20': [1.39, 3.15]}

n\u stddevs=1
{k:[x代表x in v如果x>=avg stddev*n_stddevs和x=avg stddev*n_stddevs和x=avg stddev*n_stddevs和x是保证具有相同长度的所有列表吗？是的，始终是2元素列表。因此，为了明确起见，您希望找到比指定阈值更远离所有值平均值的值？如果是，您只需要r存储值的dict键？正如你所说的。我实际上需要这些键。你真的想使用硬编码阈值，还是想检测所有统计异常值？对不起，我在评论中误导了你。在识别异常值时，我只考虑每个列表中的一个值，即
3.89，1.39,1.42
（位置
[0]
）或
1.28,3.15,3.1
（位置
[1]
）的项目（无论您是在位置[0]还是位置[1]获取项目，但需要保持一致）。您能够更新答案吗？@rojas当然，我可以在回家后（几个小时）修复它谢谢。请详细说明一下：我认为与平均值相比并不能真正减少它（在打开线程之前尝试过），因为异常值每次都会扭曲平均值。例如：
avg=np.mean（[3.89,1.39,1.42]）#2.23
，如果没有异常值，平均值会非常不同。
1.405
@rojas在计算平均值时，您只能从数据的某些四分位数获取值，或者只能从与中值有一定距离的值，或者只能从1,2,3，…标准偏差范围内获取值。目前，您的问题是未指定，因为您甚至不知道自己想要什么。我会删除我的答案，但无法删除已接受的答案。
n_stddevs = 2

{k: [x for x in v if x  >= avg-stddev*n_stddevs and x <= avg+stddev*n_stddevs] for k, v in data.items()}

#{'15': [1.42, 3.1], '18': [3.89, 1.28], '20': [1.39, 3.15]}

n_stddevs = 0.5

{k: [x for x in v if x  >= avg-stddev*n_stddevs and x <= avg+stddev*n_stddevs] for k, v in data.items()}

# {'15': [], '18': [], '20': []}