如何使用OneClassSVM检测股价涨跌幅离群值并为DataFrame新增标识列

报错原因 #

你遇到的报错由两个问题导致：

• np.where(pred==-1)返回的是元组类型，第一个元素才是离群点对应的索引数组，直接把整个元组传入isin()方法会导致匹配逻辑异常
• np.select要求传入的第一个参数是条件列表，第二个参数是和条件一一对应的返回值列表，你传入单个条件和单个值，又没有指定默认值，就会触发长度不匹配的错误

最优实现方案 #

因为你已经拿到了和原数据行数完全对齐的预测结果pred，直接用np.where生成标识列即可，逻辑最简单且不会出现长度匹配问题：

import numpy as np
# pred为-1标记为outlier，其余标记为normal
df['isoutlier'] = np.where(pred == -1, 'outlier', 'normal')

基于已提取的离群点索引实现 #

如果你一定要用已经生成的outliers变量来实现，先提取出有效索引数组，再批量赋值即可，在离群点数量远少于正常点的场景下效率很高：

# 提取np.where返回的离群点索引数组
outlier_indexes = outliers[0]
# 先默认所有行都是正常样本
df['isoutlier'] = 'normal'
# 仅修改离群行的标识
df.loc[df.index.isin(outlier_indexes), 'isoutlier'] = 'outlier'

原np.select写法的修正方案 #

如果要保留np.select的写法，需要按规则传入参数即可：

outlier_indexes = outliers[0]
# 条件和返回值都要包装为列表，同时指定默认值
df['isoutlier'] = np.select(
    condlist=[df.index.isin(outlier_indexes)],
    choicelist=['outlier'],
    default='normal'
)

内容的提问来源于stack exchange，提问作者user3062448