我想从我的数据集“train”中删除异常值,为此我决定使用z-score或IQR。
我正在MicrosoftPythonClientforSQL服务器上运行Jupyter笔记本。
我试过z-score:
from scipy import stats
train[(np.abs(stats.zscore(train)) < 3).all(axis=1)]
对于IQR:
Q1 = train.quantile(0.02)
Q3 = train.quantile(0.98)
IQR = Q3 - Q1
train = train[~((train < (Q1 - 1.5 * IQR)) |(train > (Q3 + 1.5 *
IQR))).any(axis=1)]
……它又回来了。。。
对于z-score:
TypeError: unsupported operand type(s) for /: 'str' and 'int'
对于IQR:
TypeError: unorderable types: str() < float()
我的火车数据集看起来像:
# Number of each type of column
print('Training data shape: ', train.shape)
train.dtypes.value_counts()
Training data shape: (300000, 111) int32 66 float64 30 object 15 dtype: int64
我们将非常感谢您的帮助。
您的代码有问题,因为您试图计算分类列上的
zscore
。为了避免这种情况,您应该首先将列车分成具有数字和分类功能的部分:
只有在这之后,才能计算要保留的行的索引:
最后把这两部分加在一起:
IQR部分:
如果您还有任何问题,请告诉我们。
聚苯乙烯
另外,您还可以考虑使用pandas.DataFrame.clip处理异常值的另一种方法,这种方法将逐个剪裁异常值,而不是完全删除一行。
相关问题 更多 >
编程相关推荐