如何使用相邻数据点清洗Pandas时间序列数据中的尖峰异常值

• 核心逻辑颠倒：你的需求是判断当前数据点是否超出后一个数据点的±value区间，但现有代码是拿当前行的值计算上下限，去判断下一行的值是否超限，最后却修改了当前行的值，完全匹配不到真正的异常尖峰，所以运行后结果无变化。
• 索引匹配错误：iterrows返回的index是DataFrame的行标签，并非行位置序号，如果你使用的不是默认从0开始的连续整数索引（比如时间索引），用index作为iloc的入参会完全取错行。
• 边界逻辑漏洞：循环没有排除第一行，当index=0时iloc[index-1]会取到DataFrame最后一行的值，引发逻辑错误。

直接使用Pandas向量化操作实现需求，无需循环，性能远高于iterrows，尤其适合大规模时间序列数据：

import pandas as pd

value = 5000
target_col = "Admissions to Date"

# 生成前后行的偏移序列
prev = gauteng_df[target_col].shift(1)
next_ = gauteng_df[target_col].shift(-1)

# 构造异常值掩码：当前值超出后一个值±value范围，且排除无前后值的首尾行
outlier_mask = (gauteng_df[target_col] > next_ + value) | (gauteng_df[target_col] < next_ - value)
outlier_mask.iloc[[0, -1]] = False

# 异常值替换为前后行平均值
gauteng_df.loc[outlier_mask, target_col] = (prev[outlier_mask] + next_[outlier_mask]) / 2

内容的提问来源于stack exchange，提问作者hengjuice