Python Seaborn - 如何在箱线图中确定异常值答案

【问题标题】：Python Seaborn - How are outliers determined in boxplotsPython Seaborn - 如何在箱线图中确定异常值
【发布时间】：2020-12-17 07:57:11
【问题描述】：

我想知道 Seaborn 使用什么算法来确定箱线图分布中的“异常值”。

在他们的网站seaborn.boxplot 他们简单的状态：

该框显示了数据集的四分位数，而胡须延伸显示分布的其余部分，除了点使用一种方法确定为“异常值”，该方法是四分位间距。

我真的很想知道他们使用什么方法。我从数据框中创建了箱线图，我似乎有很多“异常值”。

谢谢

【问题讨论】：

标签： python seaborn

【解决方案1】：

通过测试，seaborn 使用whis=1.5 作为默认值。

whis 被定义为

IQR 超过低四分位数和高四分位数的比例以扩展绘图胡须。

对于正态分布，interquartile range 包含 50% 的总体，1.5 * IQR 包含大约 99%。

【讨论】：

【解决方案2】：

你可以这样计算：

Q1 = df.quartile(0.25)
Q3 = df.quartile(0.75)
    
IQR = Q3 - Q1

如果小于就是异常值：

Q1 - 1.5 * IQR

或者如果大于：

Q3 + 1.5 * IQR

【讨论】：

【解决方案3】：

如果您在链接的页面上进一步阅读（或 ctrl-f 表示“异常值”），您将看到：

whis : float, optional
    Proportion of the IQR past the low and high quartiles to extend the plot whiskers.
    Points outside this range will be identified as outliers.

【讨论】：

这不是说每个分布都会有异常值吗？不是我的所有人都这样做
没有。为什么会这样？
规则是 Tukey 定义的，正如 here 所解释的那样。
对于正态分布，1.5xIQR 的标准晶须范围覆盖了 99.3% 的分布（参见 @mwaskon 的维基百科链接中的图 5）。但是当然，如果你有足够的数据，你最终会得到异常值。这就是你的想法，@jut199？