异常值分析

异常值分析

　　异常值分析是检验数据是否有录入错误以及含有不合常理的数据。忽视异常值的存在是十分危险的，不加剔除地把异常值包括进数据的计算分析过程中，对结果会产生不良影响，忽视异常值的出现，分析其产生的原因，常常成为发现问题进而改进决策的契机。

 　　下面分析餐饮数据的异常值

　　餐饮数据主要包括日期值和销售值，其中通过分析，发现销售值中有缺失值，下面通过箱线图来展示缺失值。

#-*- coding: utf-8 -*-
import pandas as pd

data=pd.read_csv('catering_sale.csv')
print(data)
import matplotlib.pyplot as plt #导入图像库
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

plt.figure() #建立图像
p = data.boxplot(return_type='dict') #画箱线图，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() # 'flies'即为异常值的标签
y = p['fliers'][0].get_ydata()
y.sort() #从小到大排序，该方法直接改变原对象

#用annotate添加注释
#其中有些相近的点，注解会出现重叠，难以看清，需要一些技巧来控制。
#以下参数都是经过调试的，需要具体问题具体调试。
for i in range(len(x)): 
  if i>0:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
  else:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))

plt.show() #展示箱线图

　　通过箱线图的分析，可以判断在箱线图外的点有7个，再结合实际的情况，需要讲有些符合条件的点加到其中，然后进行后续处理。