如何通过sns.pairplot生成的图像判断数据集是否存在异常值

sns.pairplot是seaborn库中用于多变量数据集探索的常用可视化函数，输出的是数值特征两两组合的子图矩阵：非对角线位置是两个特征的联合分布散点图，对角线位置是单个特征的分布统计图表（默认是直方图，可切换为核密度估计图）。

你提到的「依据图像中远离大部分样本分布的少数孤立点判断异常值」的逻辑是完全成立的，这类分布可视化图判断异常值的核心依据就是样本和整体分布的偏离程度，视觉上就表现为远离主集群的孤立点，具体可以从pairplot的两类子图分别对应不同维度的异常值判断：

• 非对角线散点子图：正常样本会聚集在连续的分布区间内，如果有少量点和整体样本集群的距离远大于正常样本之间的平均距离，就属于两个特征联合分布层面的异常值
• 对角线单变量分布图：如果直方图的柱形、或是密度曲线的尾部，存在远离主体分布区间的零散数值点，对应的就是单变量维度的异常值

从给出的pairplot图中可以明显看到多个散点子图里都存在和主样本集群完全分离的零散点，对角线的分布图也有部分特征在取值边界处存在偏离主体分布的零散样本，因此可以推断数据集存在异常值。

内容的提问来源于stack exchange，提问作者le Minh Nguyen