公式：使用公式 / 标准差 > 3 或 / 标准差 < 3 来界定异常值。应用：读取数据：通常使用pandas库读取数据，例如从Excel文件中读取销量数据。计算统计量：使用numpy库计算数据的平均值和标准差。设置阈值：根据3sigma原则，设置两个阈值，一个低于平均值减去三倍标准差，另一个高于平均值加上三倍...
python异常数据预警之3sigma
3sigma原则在Python异常数据预警中的应用如下：
定义：3sigma原则是一种基于正态分布的异常数据识别方法。它假设数据遵循正态分布，如果数据点与平均值的偏差超过平均值的三倍标准差，则被视为异常值。
公式：使用公式 / 标准差 > 3 或 / 标准差 < 3 来界定异常值。
应用：
读取数据：通常使用pandas库读取数据，例如从Excel文件中读取销量数据。计算统计量：使用numpy库计算数据的平均值和标准差。设置阈值：根据3sigma原则，设置两个阈值，一个低于平均值减去三倍标准差，另一个高于平均值加上三倍标准差。识别异常值：遍历数据，找出所有低于或高于阈值的数据点，这些即为异常值。可视化：使用matplotlib库将数据和异常值可视化，以便更直观地识别和分析异常数据。灵活性：
k值调整：在非正态分布的数据中，可以根据实际业务场景调整k值，使得超出k倍标准差的数据点被视为异常。这种灵活性使得3sigma原则能够适应不同业务环境下的异常检测需求。项目需求：在实际应用中，可以根据项目需求调整k值，以更精确地捕捉到潜在的异常情况。通过3sigma原则，我们能够有效地在数据集中识别出异常值，为预防故障、优化业务流程或进行深入的数据分析提供有力支持。
2025-03-15
