为什么以下Python异常值检测代码运行后返回空列表？

核心问题梳理 #

• 1. 未导入依赖函数导致报错
  代码中直接使用了floor函数，但未导入math模块，运行时会直接抛出NameError: name 'floor' is not defined错误。
• 2. 四分位数计算逻辑完全错误
  四分位数(Q1/Q3)是对原始排序后的数据集拆分计算得到的分位值，而非对「最小值到中位数的连续整数范围」「中位数到最大值的连续整数范围」求中位数。你当前的实现存在两个致命问题：
  • 用range生成整数范围的逻辑完全不符合四分位数定义，得到的Q3值会被异常值100000000拉到极大，导致IQR(四分位距)计算结果异常偏大
  • 当数据集存在超大异常值时，range(floor(median(args)),fmax(args)+1)生成的序列长度极大，转list时会占用极高内存甚至触发内存溢出
• 3. 异常值判定公式书写错误
  标准的箱线图异常值判定规则为：异常值 < Q1 - 1.5IQR 或 异常值 > Q3 + 1.5IQR，你代码中多乘了一次(q3-q1)，相当于把上阈值放大了IQR倍，导致即便是100000000也达不到阈值，所以始终返回空列表。

修正后的可运行代码 #

import math

def outlier(*args):
    outlist = []
    sorted_data = sorted(args)
    n = len(sorted_data)
    
    # 计算中位数的通用函数
    def median(data_subset):
        m = len(data_subset)
        mid = m // 2
        if m % 2 == 1:
            return data_subset[mid]
        else:
            return (data_subset[mid-1] + data_subset[mid]) / 2
    
    # 正确计算Q1、Q3、IQR
    mid = n // 2
    if n % 2 == 1:
        q1 = median(sorted_data[:mid])
        q3 = median(sorted_data[mid+1:])
    else:
        q1 = median(sorted_data[:mid])
        q3 = median(sorted_data[mid:])
    iqr = q3 - q1
    
    # 正确的异常值判定
    lower_bound = q1 - 1.5 * iqr
    upper_bound = q3 + 1.5 * iqr
    for i in args:
        if i < lower_bound or i > upper_bound:
            outlist.append(i)
    return outlist

print(outlier(1,2,3,4,5,6,7,8,9,10,100000000))
# 输出结果：[100000000]

内容的提问来源于stack exchange，提问作者user16377193