Outlier Detection की बुनियादी बातें
Outliers बाकी से दूर values हैं; IQR rule इन्हें flag करने का एक simple तरीका है।
In this page:
Syntax
q1 = df["column"].quantile(0.25)
q3 = df["column"].quantile(0.75)
iqr = q3 - q1
outliers = df[(df["column"] < q1 - 1.5 * iqr) | (df["column"] > q3 + 1.5 * iqr)]Outlier Detection Basics
पहली और तीसरी quartiles compute करें, फिर interquartile range IQR = Q3 - Q1। Q1 - 1.5*IQR से नीचे या Q3 + 1.5*IQR से ऊपर की values आमतौर पर outliers की तरह flag होती हैं।
Z-scores एक और approach है।
हटाने से पहले outliers investigate करें, क्योंकि ये real हो सकती हैं।
Note:
quantile(0.25) और quantile(0.75) quartiles देते हैं।
उदाहरण: Outlier detection basics
import pandas as pd
s = pd.Series([10, 12, 11, 13, 12, 95])
q1, q3 = s.quantile(0.25), s.quantile(0.75)
iqr = q3 - q1
low, high = q1 - 1.5 * iqr, q3 + 1.5 * iqr
print("bounds:", low, high)
print(s[(s < low) | (s > high)])
# Output:
# bounds: 9.0 15.0
# 5 95
# dtype: int64Related Topics
{# common_mistakes/chapter_summary/browser_support: on Hindi pages the
view already swaps in the hi_ translation fields (or blanks these
out if untranslated), so this renders correctly for both languages
without a lang_code check here. #}
आम गलतियां
- यह check किए बिना outliers delete करना कि ये genuine हैं या नहीं
- छोटे samples पर IQR rule apply करना
- outliers को errors से confuse करना
चैप्टर सारांश
- Outliers bulk से दूर हैं
- IQR rule 1.5 times IQR इस्तेमाल करता है
- Drop करने से पहले investigate करें
- quantile quartiles देता है
🔒
Chapter Quiz — Complete all 7 topics to unlock
0/7 topics done
Complete these topics first: