❶ python怎麼實現數據的異常值的處理

異常值也稱離群值,具體地說,判斷標准依據實際情況,根據業務知識及實際需要而定.
要是一般地說,可以用公式計算：
upper adjacent value = 75th percentile + (75th percentile – 25th percentile) * 1.5
lower adjacent value = 25th percentile – (75th percentile – 25th percentile) * 1.5
翻譯過來：
上界=75%分位數+（75%分位數-25%分位數）*1.5
下界=25%分位數- （75%分位數-25%分位數）*1.5
比上界大的,和比下界小的都是異常值.

❷ 如何計算百分位數與Python / numpy的

這個是不可以的，jython 基於jvm, 可以調用任何 java 包（既然java包那麼多，你為什麼不找 java 下的科學計算相關包呢？）
而 numpy , scipy 都是 c python 的第三方模塊，是用 c （部分 c++, 和 fortran )寫的，必然不支持.
~如果你認可我的回答，請及時點擊【點贊為滿意回答】按鈕
~~手機提問的朋友在客戶端右上角評價點【滿意】即可。
~你的點贊是我前進的動力
~~O(∩_∩)O，記得好評和點贊，互相幫助，謝謝。

❸ 用python求出正態分布1.6對應的百分位數的函數是什麼

正態分布最早是由一位數學家從二項分布在n趨近於無窮大時的近似而推導出來的。 二項分布的概率密度C(m,n)*p^m*(1-p)^(n-m)，考慮此函數在n趨近於無窮大，m在n/2附近時的近似。 求近似時，關鍵的一步是用斯特靈公式：N!約等於N的N次方乘以根號下2πN再除以e的N次方，當N非常大時。在具體推導中，對於n，n-m，m都可以適用此近似。 另一個關鍵步驟是，推導中用d^2=np(1-p)來代換，也就是說，二項分布的分散，對於二項分布的近似，仍然是一個有意義的有限的值。

❹ python dataframe describe 參數 什麼意思

count 數量
mean 平均值
std 標准差
min 最小值
25% 第一四分位數 (Q1)，又稱「較小四分位數」，等於該樣本專中所有數值由小到大排屬列後第25%的數字。
50% 中位數
75% 同上類似
max 最大值

❺ python中box中怎麼改變內置的分位數

簡介 船夫

❻ python pandas groupby分組後的數據怎麼用

1、Python內置的None值在對象數組中也可以作為NA。

❼ 什麼是標准正態分布的上α分位點以及怎樣求

標准正態分布的上α分位點：設X~N(0,1),對於任給的α,(0<α<1),稱滿足P(X>Zα)= α的點Zα為標准正態分布的上α分位點。

當α=0.01時。1- α=0.99。在標准正態分布表中函數值。

中找到最接近0.99的值：0.9898與0.9901，對應的x值分。

別為2.32與2.33，故可取其算術平均值為上0.01分位點。

zα=2.325；

同理：α=0.003,1- α=0.097，zα=2.75，

α/2=0.0015，1-α/2 =0.09985，zα/2=2.96。

分位點可以查正態分布表，在正態分布表中找α,對應查出Zα.例如查Z0.025的值,即需要查1-0.025=0.975對應的Z值,翻開正態分布表,剛好能查到0.9750對應的Z值為1.96,故Z0.025=1.96 。

如果要查Zα=1.96對應的α值,需要先查1.96,對應著0.975,1-0.975=0.025，0.0125即為α值。

(7)python分位數擴展閱讀

標准正態分布的特點

平均值與它的眾數以及中位數同一數值。

函數曲線下68.268949%的面積在平均數左右的一個標准差范圍內。

正態分布具有兩個參數μ和σ^2的連續型隨機變數的分布，第一參數μ是遵從正態分布的隨機變數的均值，第二個參數σ2是此隨機變數的方差，所以正態分布記作N(μ，σ^2)。

標准正態分布曲線下面積分布規律是：在-1.96～+1.96范圍內曲線下的面積等於0.9500，在-2.58～+2.58范圍內曲線下面積為0.9900。

由於正態分布是由其平均數μ和標准差σ唯一決定的，因此從某種意義上說，正態分布就有好多好多，這給我們深入研究帶來一定的困難。

但也發現，許多正態分布中，重點研究N（0，1），其他的正態分布都可以通過轉化為N（0，1），我們把N（0，1）稱為標准正態分布，其密度函數為，x∈（-∞，+∞），從而使正態分布的研究得以簡化。

❽ 如何計算百分位數與Python / numpy的

控製版面
滑鼠
雙擊速度

❾ 求助！基金從業關於分位數正態分布的問題解釋

這是一個常數。1.65處，對應的正態曲線，形成的面積正好是5%分位。書上例子就是一模一樣的題。

❿ python 怎麼求標准正態分布某個值

示例：

1、from numpy import *;

2、def rand_Matrix():

3、randArr=random.randn(2,3);

4、randMat=mat(randArr);

5、return randMat;

一種結果如下:

1、matrix([[ 0.3150869 , -0.02041996, -0.15361071],

2、[-0.75507988, 0.80393683, -0.31790917]])

(10)python分位數擴展閱讀

Python正態分布概率計算方法：

def st_norm(u):

'''標准正態分布'''

import math

x=abs(u)/math.sqrt(2)

T=(0.0705230784,0.0422820123,0.0092705272,

0.0001520143,0.0002765672,0.0000430638)

E=1-pow((1+sum([a*pow(x,(i+1))

for i,a in enumerate(T)])),-16)

p=0.5-0.5*E if u<0 else 0.5+0.5*E

return(p)

def norm(a,sigma,x):

'''一般正態分布'''

u=(x-a)/sigma

return(st_norm(u))

while 1:

'''輸入一個數時默認為標准正態分布

輸入三個數(空格隔開)時分別為期望、方差、x

輸入 stop 停止'''

S=input('please input the parameters: ')

if S=='stop':break

try:

L=[float(s) for s in S.split()]

except:

print('Input error!')

continue

if len(L)==1:

print('f(x)=%.5f'%st_norm(L[0]))

elif len(L)==3:

print('f(x)=%.5f'%norm(L[0],L[1],L[2]))

else:

print('Input error!')