在生成散点图之前,我很难尝试使用Python删除一些数据异常值。我有一个使用pandas导入的n乘43的数据帧。我已经弄清楚如何确定异常值的阈值并将其应用于数据帧,这样我现在有一些布尔值,对应于数据是否应该包含在散点图中。然而,我坚持如何使用此信息来排除适当的数据点。
到目前为止我的代码:
def identify_outliers(self,parameters_file):
data=pandas.read_csv(parameters_file) #import data
header=data.keys() #get header
quantiles = data.quantile([0.25,0.75],1) #determine thresholds for all data
for i in range(len(header)):
qnt_i = quantiles[header[i]].as_matrix() #get handle to quantiles
#for specific column of data
#identify data points that fall outside this range
boolean_data=data[header[i]].between(qnt_i[0],qnt_i[1])
for j in range(len(boolean_data)): #attempt to use boolean values to filter
#data to only include 'True' (doesn't work)
if boolean_data[j]:
print data[header[i]]
以下是使用pandas.read_csv
导入的数据片段(v1).Kcat (v1).km (v11).k1
1.22E-02 1.20E-02 1.72E-06
0.0122441 1.42E-02 1.61E-06
1.04E-02 1.01E-02 1.00E-06
0.0136581 0.0185623 5.01158
0.0113221 0.0221445 0.0785929
0.506949 0.01 1.35E-06
1.16567 0.0141031 168.078
0.01 0.0100055 1.25E-06
0.0351003 153.682 163.082
0.0129821 0.0164996 0.0560866
是否有人建议如何过滤“数据”以删除所有不在指定范围内的值。
答案 0 :(得分:2)
这是一个较小的数据框,仅基于您的前5行。
df
v1 v2 v3
0 0.012200 0.012000 0.000002
1 0.012244 0.014200 0.000002
2 0.010400 0.010100 0.000001
3 0.013658 0.018562 5.011580
4 0.011322 0.022145 0.078593
这里的面具只选择第25和第75百分位数之间的值。请注意,这种语法有些精确,所以请注意括号等。
( df > df.quantile(.25) ) & ( df < df.quantile(.75) )
v1 v2 v3
0 True True True
1 True True True
2 False False False
3 True False False
4 False False True
这是基于列的,顺便说一下。我只是快速浏览一下您的代码,并且无法轻易判断百分位度量是否是针对3列组合的每列。对于整个数据帧,您可以这样做:
( df > df.stack().quantile(.25) ) & ( df < df.stack().quantile(.75) )
答案 1 :(得分:1)
我正在寻找的答案是:
def identify_outliers(self,parameters_file):
data=pandas.read_csv(parameters_file)
header=data.keys()
quantiles = data.quantile([0.25,0.75],1)
cols=data.shape[1]
rows=data.shape[0]
boolean_data=[]
for i in range(len(header)):
qnt_i = quantiles[header[i]].as_matrix()
print data[header[i]][(qnt_i[0]<data[header[i]])&(data[header[i]]<qnt_i[1])]
与JohnE的回答非常相似。感谢您的回复