❶ python怎么实现数据的异常值的处理

异常值也称离群值,具体地说,判断标准依据实际情况,根据业务知识及实际需要而定.
要是一般地说,可以用公式计算：
upper adjacent value = 75th percentile + (75th percentile – 25th percentile) * 1.5
lower adjacent value = 25th percentile – (75th percentile – 25th percentile) * 1.5
翻译过来：
上界=75%分位数+（75%分位数-25%分位数）*1.5
下界=25%分位数- （75%分位数-25%分位数）*1.5
比上界大的,和比下界小的都是异常值.

❷ 如何计算百分位数与Python / numpy的

这个是不可以的，jython 基于jvm, 可以调用任何 java 包（既然java包那么多，你为什么不找 java 下的科学计算相关包呢？）
而 numpy , scipy 都是 c python 的第三方模块，是用 c （部分 c++, 和 fortran )写的，必然不支持.
~如果你认可我的回答，请及时点击【点赞为满意回答】按钮
~~手机提问的朋友在客户端右上角评价点【满意】即可。
~你的点赞是我前进的动力
~~O(∩_∩)O，记得好评和点赞，互相帮助，谢谢。

❸ 用python求出正态分布1.6对应的百分位数的函数是什么

正态分布最早是由一位数学家从二项分布在n趋近于无穷大时的近似而推导出来的。 二项分布的概率密度C(m,n)*p^m*(1-p)^(n-m)，考虑此函数在n趋近于无穷大，m在n/2附近时的近似。 求近似时，关键的一步是用斯特灵公式：N!约等于N的N次方乘以根号下2πN再除以e的N次方，当N非常大时。在具体推导中，对于n，n-m，m都可以适用此近似。 另一个关键步骤是，推导中用d^2=np(1-p)来代换，也就是说，二项分布的分散，对于二项分布的近似，仍然是一个有意义的有限的值。

❹ python dataframe describe 参数 什么意思

count 数量
mean 平均值
std 标准差
min 最小值
25% 第一四分位数 (Q1)，又称“较小四分位数”，等于该样本专中所有数值由小到大排属列后第25%的数字。
50% 中位数
75% 同上类似
max 最大值

❺ python中box中怎么改变内置的分位数

简介 船夫

❻ python pandas groupby分组后的数据怎么用

1、Python内置的None值在对象数组中也可以作为NA。

❼ 什么是标准正态分布的上α分位点以及怎样求

标准正态分布的上α分位点：设X~N(0,1),对于任给的α,(0<α<1),称满足P(X>Zα)= α的点Zα为标准正态分布的上α分位点。

当α=0.01时。1- α=0.99。在标准正态分布表中函数值。

中找到最接近0.99的值：0.9898与0.9901，对应的x值分。

别为2.32与2.33，故可取其算术平均值为上0.01分位点。

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。

分位点可以查正态分布表，在正态分布表中找α,对应查出Zα.例如查Z0.025的值,即需要查1-0.025=0.975对应的Z值,翻开正态分布表,刚好能查到0.9750对应的Z值为1.96,故Z0.025=1.96 。

如果要查Zα=1.96对应的α值,需要先查1.96,对应着0.975,1-0.975=0.025，0.0125即为α值。

(7)python分位数扩展阅读

标准正态分布的特点

平均值与它的众数以及中位数同一数值。

函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。

正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ^2)。

标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。

由于正态分布是由其平均数μ和标准差σ唯一决定的，因此从某种意义上说，正态分布就有好多好多，这给我们深入研究带来一定的困难。

但也发现，许多正态分布中，重点研究N（0，1），其他的正态分布都可以通过转化为N（0，1），我们把N（0，1）称为标准正态分布，其密度函数为，x∈（-∞，+∞），从而使正态分布的研究得以简化。

❽ 如何计算百分位数与Python / numpy的

控制版面
鼠标
双击速度

❾ 求助！基金从业关于分位数正态分布的问题解释

这是一个常数。1.65处，对应的正态曲线，形成的面积正好是5%分位。书上例子就是一模一样的题。

❿ python 怎么求标准正态分布某个值

示例：

1、from numpy import *;

2、def rand_Matrix():

3、randArr=random.randn(2,3);

4、randMat=mat(randArr);

5、return randMat;

一种结果如下:

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

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

(10)python分位数扩展阅读

Python正态分布概率计算方法：

def st_norm(u):

'''标准正态分布'''

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):

'''一般正态分布'''

u=(x-a)/sigma

return(st_norm(u))

while 1:

'''输入一个数时默认为标准正态分布

输入三个数(空格隔开)时分别为期望、方差、x

输入 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!')