1
J'ai une trame de données avec des colonnes numériques et de chaînes.Pandas: remplacer les valeurs aberrantes (3 sigma) dans toutes les colonnes numériques d'une trame de données avec NaN
import numpy as np
import pandas as pd
from scipy.stats import zscore
data = {'c1' : [1., 2., 3., 4.], 'c2' : [4., 3., 2., 1.], 'c3' : [5., 6., 7000., 8.],
'c4' : [8., 7., 6., 10000.], 'c5' : ['a', 'b', 'c', 'd']}
Je souhaite remplacer les valeurs aberrantes dans les colonnes numériques par NaN.
c1 c2 c3 c4 c5
0 1.0 4.0 5.0 8.0 a
1 2.0 3.0 6.0 7.0 b
2 3.0 2.0 NaN 6.0 c
3 4.0 1.0 8.0 NaN d
Ce code fait ce que je veux faire.
df = pd.DataFrame(data)
allcol = list(df)
numcol = [x for x in allcol if x not in ('c5')]
df[numcol] = df[numcol].mask(~df[numcol].apply(lambda x: zscore(x) < 1.5, axis=1))
Vous vous demandez si vous savez mieux et plus simple solution ...
Ou peut-on utiliser 'df.select_dtypes (exclude = ['object'])' obtenir la colonne numérique :) – Wen
@Wen une bonne idée aussi! –