刪除有多行字符串的json文件中的離群值

def processHold(eachsubject,directory,newfile):filename = ’CMUDataCol/Hold/subject{0}.json’.format(eachsubject) # 原文件with open(filename, ’r’) as f: for jsonstr in f.readlines(): # 按行讀取原文件# 這里的情況是每一行為一類數(shù)值，該行內(nèi)的數(shù)據(jù)相互比較找出是否有離群值# 若存在離群值，則刪除該行數(shù)據(jù)data = json.loads(jsonstr)#計(jì)算四分位點(diǎn)a = numpy.array(data) q1 = numpy.percentile(a, 25) q3 = numpy.percentile(a, 75) iqr = q3 - q1# 找出異常值i = 0 for item in zip(data): # 在正常值范圍內(nèi)時 i+1if item <= q3 + (1.5*iqr) and item >= q1 - (1.5*iqr): i = i + 1 if i == 10: # 這里是因?yàn)槲业膉son文件中每行data有10個元素（如果有更好的方法，請教我一下，謝謝您！） HoldTime = datawith open(newfile, ’a’) as f: # 將非離群數(shù)據(jù)存入新文件json.dump(HoldTime, f) f.write(’n’)

補(bǔ)充知識：dataframe 離群值處理

離群值：遠(yuǎn)離數(shù)據(jù)主要部分的樣本（極大值或極小值）

處理方式：

刪除：直接刪除離群樣本

填充樣本：使用box-plot定義變量的數(shù)值上下界，以上界填充極大值，以下界填充最小值

# 查看房價(jià)的離群情況df[’average_price’].hist()plt.show()df[[’average_price’]].boxplot()plt.show()

# 根據(jù)箱線圖的上下限進(jìn)行異常值的填充def boxplot_fill(col): # 計(jì)算iqr：數(shù)據(jù)四分之三分位值與四分之一分位值的差 iqr = col.quantile(0.75)-col.quantile(0.25) # 根據(jù)iqr計(jì)算異常值判斷閾值 u_th = col.quantile(0.75) + 1.5*iqr # 上界 l_th = col.quantile(0.25) - 1.5*iqr # 下界 # 定義轉(zhuǎn)換函數(shù)：如果數(shù)字大于上界則用上界值填充，小于下界則用下界值填充。 def box_trans(x): if x > u_th: return u_th elif x < l_th: return l_th else: return x return col.map(box_trans)# 填充效果查看boxplot_fill(df[’average_price’]).hist()# 進(jìn)行賦值df[’average_price’] = boxplot_fill(df[’average_price’])plt.show()

以上這篇python:刪除離群值操作(每一行為一類數(shù)據(jù))就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。