Python:用中值替换异常值

Question

我有一个 python 数据框，其中有一些离群值。如果这些值不存在，我想用数据的中值替换它们。

id         Age
10236    766105
11993       288
9337        205
38189        88
35555        82
39443        75
10762        74
33847        72
21194        70
39450        70

因此，我想将所有 > 75 的值替换为剩余数据集的数据集的中值，即 70,70,72,74,75 的中值。

我正在尝试执行以下操作:

1. 用0替换，所有大于75的值
2. 用中值替换 0。

但不知何故，下面的代码不起作用

df['age'].replace(df.age>75,0,inplace=True)

Answer 1

我想这就是你要找的，你可以使用 loc 来赋值。然后就可以填nan了

median = df.loc[df['Age']<75, 'Age'].median()
df.loc[df.Age > 75, 'Age'] = np.nan
df.fillna(median,inplace=True)

你也可以在一行中使用 np.where

df["Age"] = np.where(df["Age"] >75, median,df['Age'])

你也可以使用 .mask 即

df["Age"] = df["Age"].mask(df["Age"] >75, median)