Python 从列表中检测异常值

我想从列表中检测并存储异常值，这就是我正在做的

代码：

有没有更好的方法来实现这一点，我不在数组中而是在列表中获取结果？ 还有，有人能解释一下我们为什么使用

thresh=3.5

修正的z_分数=0.6745*abs_dev/y_mad

---

这是因为您正在使用

numpy

函数。那里使用的默认类型是

numpy.ndarray

，这会加快计算速度。如果您只需要一个列表作为输出参数，请使用

tolist（）

方法

z=异常值（投标）
bidd=np.数组（bids）
out_liers=bidd[z].tolist（）

这项工作：

def outliers_modified_z_score(ys, threshold=3.5):
    ys_arr = np.array(ys)
    median_y = np.median(ys_arr)
    median_absolute_deviation_y = np.median(np.abs(ys_arr - median_y))
    modified_z_scores = 0.6745 * (ys_arr - median_y) / median_absolute_deviation_y
    return (ys_arr[np.abs(modified_z_scores) > threshold]).tolist()

---

如果需要列表而不是numpy数组，numpy数组可以方便地提供

tolist

函数：

out\u liers.tolist（）

。您的其他问题最好由代码的原始作者来回答。非常感谢！您还可以解释值3.5和0.67450.6745是因为正态分布变量的

E[MAD]=0.6745*sigma

。尝试：

x=np.random.normal（size=100000000）

print（np.median（np.abs（x-np.median（x））.mean（）/x.std（））3.5也由Iglewicz和Hoaglin（离群值测试的创建者）根据经验发现。见：

out_liers = array([ 1000, 15000])

def outliers_modified_z_score(ys, threshold=3.5):
    ys_arr = np.array(ys)
    median_y = np.median(ys_arr)
    median_absolute_deviation_y = np.median(np.abs(ys_arr - median_y))
    modified_z_scores = 0.6745 * (ys_arr - median_y) / median_absolute_deviation_y
    return (ys_arr[np.abs(modified_z_scores) > threshold]).tolist()