标记数据框中的异常值，在熊猫中创建一个新列答案

【问题标题】：Flagging outliers in dataframe, creating a new column in pandas标记数据框中的异常值，在熊猫中创建一个新列
【发布时间】：2021-11-17 03:40:38
【问题描述】：

我看到了这个question，想稍微更新一下。

data = {'Group':['A', 'A', 'A'], 'Age':[18, 200, 17]} 
df = pd.DataFrame(data)

我想创建一个新列“异常值”，其中异常值将根据 3 个标准偏差标记为真或假。

我想要的输出

data = {'Group':['A', 'A', 'A'], 'Age':[18, 200, 17], 'Outlier':['False', 'True', 'False']} 
df = pd.DataFrame(data) 
df

【问题讨论】：

平均值为 78.33，标准差为 105.37。所有值都在 3 个标准差以内。您如何获得 200 岁的“真实”？
我相信stackoverflow.com/a/57256962/536503这里的答案是正确的。正如上面 not_speshal 的评论
@not_speshal，谢谢，这很有帮助！我没有在Excel中检查它。但你明白我的逻辑！谢谢！

标签： python pandas outliers

【解决方案1】：

试试groupby 和transform：

zscores = df.groupby('Group').transform(lambda x: (x - x.mean()) / x.std())
df["Outlier"] = zscores.abs()>3

>>> df
  Group  Age  Outlier
0     A   18    False
1     A  200    False
2     A   17    False

要获得不考虑组的异常值，请使用：

zscores = (df["Age"]-df["Age"].mean())/df["Age"].std()
df["Outlier"] = zscores.abs()>3

【讨论】：

如何在没有 gropby 的情况下更新此代码？如何仅根据数字列进行检查？谢谢！
什么意思？你能举个例子吗？
只有年龄列。数据 = {'年龄'：[18, 200, 17]}。如果我不想分组，但要识别异常值并创建一个新的 True/False 列。
我有多个数字列，并希望为每个数字列创建一个单独的新列，其中 True/False 如上所述
太棒了，我希望我能接受两次！感谢您的时间和努力。