箱线图和 IQR 之间的异常值计数不匹配
Outlier count mismatch between boxplot and IQR
我有一个 df，其中包含我试图识别异常值的数字。
trtbps = [145
130
130
120
120
140
140
120
172
150
140
130
130
110
150
120
120
150
150
140
135
130
140
150
140
160
150
110
140
130
105
120
130
125
125
142
135
150
155
160
140
130
104
130
140
120
140
138
128
138
130
120
130
108
135
134
122
115
118
128
110
108
118
135
140
138
100
130
120
124
120
94
130
140
122
135
125
140
128
105
112
128
102
152
102
115
118
101
110
100
124
132
138
132
112
142
140
108
130
130
148
178
140
120
129
120
160
138
120
110
180
150
140
110
130
120
130
120
105
138
130
138
112
108
94
118
112
152
136
120
160
134
120
110
126
130
120
128
110
128
120
115
120
106
140
156
118
150
120
130
160
112
170
146
138
130
130
122
125
130
120
132
120
138
138
160
120
140
130
140
130
110
120
132
130
110
117
140
120
150
132
150
130
112
150
112
130
124
140
110
130
128
120
145
140
170
150
125
120
110
110
125
150
180
160
128
110
150
120
140
128
120
118
145
125
132
130
130
135
130
150
140
138
200
110
145
120
120
170
125
108
165
160
120
130
140
125
140
125
126
160
174
145
152
132
124
134
160
192
140
140
132
138
100
160
142
128
144
150
120
178
112
123
108
110
112
180
118
122
130
120
134
120
100
110
125
146
124
136
138
136
128
126
152
140
140
134
154
110
128
148
114
170
152
120
140
124
164
140
110
144
130
130]
使用箱线图，我能够识别出 6 个异常值，如下所示
但是，当我尝试使用 IQR 手动计算异常值时，我得到了 9 个不同的异常值，如下所示。
#Calculating the IQR
IQR = df.trtbps.quantile(0.75) - df.trtbps.quantile(0.25)
#Calculating the upper and lower boundaries
lower_bridge=df['trtbps'].quantile(0.25)-(IQR*1.5)
upper_bridge=df['trtbps'].quantile(0.75)+(IQR*1.5)
print(lower_bridge), print(upper_bridge)
#Printing the outliers in trtbps column based on upper and lower boundaries
print(df[(df['trtbps'] > upper_bridge) | (df['trtbps'] < lower_bridge)])
输出：
trtbps
8 172
101 178
110 180
203 180
223 200
241 174
248 192
260 178
266 180
问题是为什么箱线图和手动计算的异常值之间的异常值计数不匹配？两者之间的计数不应该相同吗？
异常值相同。您只是不能在箱线图中计算它们，因为其中三个的值为 180，两个的值为 178。这两组在图中将分别显示为一个点。这说明了三个“缺失”点。
我有一个 df，其中包含我试图识别异常值的数字。
trtbps = [145 130 130 120 120 140 140 120 172 150 140 130 130 110 150 120 120 150 150 140 135 130 140 150 140 160 150 110 140 130 105 120 130 125 125 142 135 150 155 160 140 130 104 130 140 120 140 138 128 138 130 120 130 108 135 134 122 115 118 128 110 108 118 135 140 138 100 130 120 124 120 94 130 140 122 135 125 140 128 105 112 128 102 152 102 115 118 101 110 100 124 132 138 132 112 142 140 108 130 130 148 178 140 120 129 120 160 138 120 110 180 150 140 110 130 120 130 120 105 138 130 138 112 108 94 118 112 152 136 120 160 134 120 110 126 130 120 128 110 128 120 115 120 106 140 156 118 150 120 130 160 112 170 146 138 130 130 122 125 130 120 132 120 138 138 160 120 140 130 140 130 110 120 132 130 110 117 140 120 150 132 150 130 112 150 112 130 124 140 110 130 128 120 145 140 170 150 125 120 110 110 125 150 180 160 128 110 150 120 140 128 120 118 145 125 132 130 130 135 130 150 140 138 200 110 145 120 120 170 125 108 165 160 120 130 140 125 140 125 126 160 174 145 152 132 124 134 160 192 140 140 132 138 100 160 142 128 144 150 120 178 112 123 108 110 112 180 118 122 130 120 134 120 100 110 125 146 124 136 138 136 128 126 152 140 140 134 154 110 128 148 114 170 152 120 140 124 164 140 110 144 130 130]
使用箱线图，我能够识别出 6 个异常值，如下所示
但是，当我尝试使用 IQR 手动计算异常值时，我得到了 9 个不同的异常值，如下所示。
#Calculating the IQR
IQR = df.trtbps.quantile(0.75) - df.trtbps.quantile(0.25)
#Calculating the upper and lower boundaries
lower_bridge=df['trtbps'].quantile(0.25)-(IQR*1.5)
upper_bridge=df['trtbps'].quantile(0.75)+(IQR*1.5)
print(lower_bridge), print(upper_bridge)
#Printing the outliers in trtbps column based on upper and lower boundaries
print(df[(df['trtbps'] > upper_bridge) | (df['trtbps'] < lower_bridge)])
输出：
trtbps
8 172
101 178
110 180
203 180
223 200
241 174
248 192
260 178
266 180
问题是为什么箱线图和手动计算的异常值之间的异常值计数不匹配？两者之间的计数不应该相同吗？
异常值相同。您只是不能在箱线图中计算它们，因为其中三个的值为 180，两个的值为 178。这两组在图中将分别显示为一个点。这说明了三个“缺失”点。