我认为你有几个选择：

• 如果您有一个预先设定的规则来排除异常值，例如您知道数据不应超过的硬阈值 100，那么就x = [e for e in x if e < 100]可以做到这一点。
• 如果您有一个参数信念，例如任何超出均值或四分位数标准差的任何观察结果都是异常值；然后您可以实施已经提到的其他答案。

• 否则，您可以采用聚类方法。在这里，我相信您的第一个镜头应该是 k-means 聚类。这非常容易构建和解释。请参阅下面的代码。

  x = [0,14,0,6,102,0,0] from sklearn.cluster import KMeans kmeans = KMeans(n_clusters=2).fit(np.array(x).reshape(-1, 1))

  #First cluster: np.array(x)[np.where(kmeans.labels_ == 0)]

  #Second cluster (outliers): np.array(x)[np.where(kmeans.labels_ == 1)]

• 众所周知，K-means 对异常值很敏感，因此您尝试过的更强大的方法（例如 MeanShift）是 k-means 的一个很好的竞争对手。我会同时运行两者，并坚持对我更有意义的结果。

希望这可以帮助！

一种解决方案是使用mean并variance检测时间序列中的异常值。例如：

>> data=np.array([0,0,102,6,0,14,0])
>> c = 1
>> abs(data - np.mean(data)) < c * np.std(data)
Output: array([ True,  True, False,  True,  True,  True,  True], dtype=bool)
>> clean_data= data[abs(data - np.mean(data)) < c * np.std(data)]
Output: array([ 0,  0,  6,  0, 14,  0])

c你可以根据你的要求玩。

此外，您可以分别对时间序列的每个部分（例如每 30 天）使用此方法，而不是使用所有数据的均值和方差。因为在不同的时间间隔内可能会有不同的行为。

这是我正在使用的：

import numpy as np
from sklearn.cluster import MeanShift, estimate_bandwidth

x = [0,14,0,6,102,0,0]

X = list(zip(x,np.zeros(len(x))))
bandwidth = estimate_bandwidth(X, quantile=0.2)
ms = MeanShift(bandwidth=bandwidth, bin_seeding=True)
ms.fit(X)
labels = ms.labels_
cluster_centers = ms.cluster_centers_

labels_unique = np.unique(labels)
n_clusters_ = len(labels_unique)

X = np.array(X)
for k in range(n_clusters_):
    my_members = labels == k
    print(k, X[my_members, 0])

来源：http ://scikit-learn.org/stable/auto_examples/cluster/plot_mean_shift.html

我会使用四分位数范围（$IQR$)，其中异常值是大于$Q3+1.5 \times IQR$，并且值小于$Q1-1.5 \times IQR$， 在哪里$Q1$和$Q3$分别是第一和第三四分位数。这是一个很好的例子。