如何在数据框中的组内查找异常值

如何解决如何在数据框中的组内查找异常值

我有一个如下所示的 df：

组。	得分。
红色	34
蓝色	42
绿色	1000
绿色	34
蓝色	34
红色	42

我想在其上添加一列，指定该值是否为异常值。如果没有组，那么我会使用类似的东西：

df['outliers'] = df[df[col] > df[col].mean() + 3 * df[col].std()]

但是我怎么做才能让它在组内？

解决方法

您可以使用GroupBy.transform：

df["is_outlier"] = df.groupby("Group.").transform(lambda x: (x - x.mean()).abs() > 3*x.std())

在每个组中，我们取元素与组均值的距离，看其绝对值是否超过该组标准的 3 倍。