异常值查找案例.pptxVIP

异常值查找案例分析

财务、业务、审计工作中，经常遇到异常值的识别问题。通常情况下，可以使用IQR（四分位距）方法查找数据中存在的异常值。下面介绍python使用IQR（四分位距）方法，快速查找异常值的方法。异常值识别需求

查找某部门各支局2025年差旅费预算申报中的异常值目标方法过程使用Python和四分位统计法将《测算汇总2025》导入到Python中，添加一列异常值，标注差旅费异常值预算申报异常值查找

源数据《测算汇总2025》单位名称是否为支局经济科目申请预算xxx否差旅费55.95xxx否差旅费55.95xxx否差旅费90.48xxx否差旅费100xxx否差旅费30xxx否差旅费14.28xxx否因公出国（境）费3.57xxx否差旅费30.24xxx否差旅费26.67xxx否差旅费2.53xxx否其他商品和服务支出1.19xxx否劳务费/咨询费/委托业务费1.19xxx否劳务费/咨询费/委托业务费6.7xxx否培训费1.34xxx否办公费0.89xxx否差旅费9.67金额单位：万元

识别异常值的步骤

求第1，3分位数，及四分位距Q1=df[value].quantile(0.25)Q3=df[value].quantile(0.75)IQR=Q3-Q1通常认为1.5倍四分位距（IQR）是临界值lower_bound=Q1-1.5*IQRupper_bound=Q3+1.5*IQR将超过临界值的数据（异常值），放到outliers里outliers=df[(df[value]lower_bound)|(df[value]upper_bound)]

Python代码

添加新列标注异常值importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_excel(rD:\测算汇总2025.xlsx,dtype={单位名称:str,是否为支局:str,经济科目:str,申请预算:float})df=df[(df[是否为支局]==是)(df[经济科目]==差旅费)]q1=df[申请预算].quantile(0.25)q3=df[申请预算].quantile(0.75)iqr=q3-q1lower_bound=q1-1.5*iqrupper_bound=q3+1.5*iqroutliers=df[(df[申请预算]lower_bound)|(df[申请预算]upper_bound)].申请预算df[异常值]=outliersdf.to_excel(D:\标注异常.xlsx)

Python代码执行结果单位名称是否为支局经济科目申请预算异常值37xxx是差旅费2.022.0239xxx是差旅费2.022.0241xxx是差旅费2.022.0243xxx是差旅费2.022.0245xxx是差旅费2.022.0247xxx是差旅费2.022.0249xxx是差旅费2.022.0251xxx是差旅费2.022.0253xxx是差旅费2.022.0255xxx是差旅费2.022.0257xxx是差旅费2.022.0259xxx是差旅费2.022.0261xxx是差旅费2.022.0263xxx是差旅费2.022.0270xxx是差旅费1.0575xxx是差旅费1.0280xxx是差旅费1.0585xxx是差旅费1.0590xxx是差旅费1.0295xxx是差旅费1.05

异常值的可视化

异常值可视化箱线图（Boxplot）是一种常用的统计图形，用于展示一组数据的分布特征。通过分析箱线图，我们可以获取以下关键信息：中位数（Median）：箱线图中的中线表示数据的中位数，它反映了数据的集中趋势。中位数的位置可以帮助我们了解数据的中心值。四分位数（Quartiles）：箱线图中的箱子上边缘表示第三四分位数（Q3），下边缘表示第一四分位数（Q1）。箱体的长度（即箱子上边缘到下边缘的距离）称为四分位距（IQR），代表了数据分布的中间50%。IQR越大，数据的分散程度越高。异常值（Outliers）：箱线图的须线（Whiskers）通常延长至数据的最大和最小值，但异常值会以星号标出。异常值是指那些超出1.5倍四分位距范围的数据点，它们可能是数据收集过程中的误差或极端案例。箱线图理解

异常值的可视化代码importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams[font.sans-serif]=[SimHei]plt.rcParams[axes.unicode_minus]=Falsedf=pd.read_excel(rD:\测算汇总2025.xlsx,d