在不平滑的情况下删除数据集中的异常值

问题描述

我的数据包含在图上清晰可见但难以去除的异常值。无论我尝试什么，我总是最终平滑不需要平滑的数据，并减少但不删除我的异常值。在下图中，您可以看到我未经调整的原始图像，以及经过调整的平滑图像。

我已经尝试了here建议的方法：

def reject_outliers(data,m=2):
   return data[abs(data - np.mean(data)) < m * np.std(data)]

给出与下面相同的结果，根据 m 值进行平滑处理。

我也尝试过 here 方法，结果类似：

def removeOutliers(x,outlierConstant):
   a = np.array(x)
   upper_quartile = np.percentile(a,75)
   lower_quartile = np.percentile(a,25)
   iqr = (upper_quartile - lower_quartile) * outlierConstant
   quartileSet = (lower_quartile - iqr,upper_quartile + iqr)
   resultList = []
   for y in a.tolist():
    if y > = quartileSet[0] and y < = quartileSet[1]:
       resultList.append(y)
    return resultList

如何去除这些异常值（大约为 2250 和 1700），并对其余数据进行最少的平滑处理？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

numpy python statistics