您应该使用 matplotlib 和 seaborn 绘制数据以获得数据的可视化视图。那就是我要开始的地方。特别是对于大型数据集，这是一种直观地查看任何异常值的快速方法。

不幸的是，检测异常值更像是一门艺术而不是科学。著名统计学家 John Tukey 提出将 IQR 1.5 作为“异常值”。因此，上限为 75% + (IQR 1.5)。

以下是 Python 中“平衡”功能的代码：

异常值只不过是数据集中的极端值。它可能太高或太低。检测异常值的最简单方法是绘制箱线图。

请参考以下水平箱线图：

例子

您可以使用plotly express绘制交互式箱线图。

多次帮助我的东西......特别是在回归等监督问题中被称为库克距离。

库克距离解决的确切问题是，库克距离不是在单个变量水平上解决异常值问题，而是测量回归线上观察值的总扭曲效应。（因此需要存在回归线，因此需要有监督模型）。该值越高，删除该观察对整体回归线的影响越大。虽然有关于应该使用哪种截止值的经验法则，但我倾向于通过绘制观测值的厨师距离并删除与其他点的聚类高度分离的观测值来选择观测值。它通常使我有更高的准确性。

https://en.wikipedia.org/wiki/Cook%27s_distance（用于了解库克的距离）

https://stats.stackexchange.com/questions/164099/removing-outliers-based-on-cooks-distance-in-r-language（用于在R中实现上述方法）