편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
= 방법 =
<syntaxhighlight lang="python">
# 기초 데이터 얻기
quantile25 = df['열'].quantile(.25) # 1사분위수
quantile75 = df['열'].quantile(.25) # 3사분위수
iqr = quantile75 - quantile25 # 사분위범위(inter quarile range) 구하기.
# 상하한 정하기
down_lim = quantile25 - 1.5*iqr # 1.5는 상황에 따라 적절한 값으로.
up_lim = quantile75 + 1.5*iqr
# 극단치 결측처리하기
df['열'] = np.where(
df['열'] < down_lim | df['열'] > up_lim,
np.nan, df['열']) # 상하한을 벗어나면 nan으로 결측치로 처리한다.
df = df.dropna # 결측치를 버린다.
</syntaxhighlight>
[[분류:이상치 다루기]]
새 문서: = 방법 = <syntaxhighlight lang="python"> # 기초 데이터 얻기 quantile25 = df['열'].quantile(.25) # 1사분위수 quantile75 = df['열'].quantile(.25) # 3사분위수 iqr =...
= 방법 =
<syntaxhighlight lang="python">
# 기초 데이터 얻기
quantile25 = df['열'].quantile(.25) # 1사분위수
quantile75 = df['열'].quantile(.25) # 3사분위수
iqr = quantile75 - quantile25 # 사분위범위(inter quarile range) 구하기.
# 상하한 정하기
down_lim = quantile25 - 1.5*iqr # 1.5는 상황에 따라 적절한 값으로.
up_lim = quantile75 + 1.5*iqr
# 극단치 결측처리하기
df['열'] = np.where(
df['열'] < down_lim | df['열'] > up_lim,
np.nan, df['열']) # 상하한을 벗어나면 nan으로 결측치로 처리한다.
df = df.dropna # 결측치를 버린다.
</syntaxhighlight>
[[분류:이상치 다루기]]