如何用标准Python检测温度数据中相邻值范围内的异常值？

我懂你的痛点——全局统计方法像IQR、均值偏差这类，会把数据里正常的周期性波动误判成异常，而固定窗口跑这些方法又容易抓错目标，毕竟你要的是基于相邻时间点的温度突变来检测异常，对吧？

针对你的需求，最适合的方法是聚焦于相邻值的变化幅度或局部小窗口的统计特征，而不是全局统计量。下面给你拆解几个最优方案，以及适配你现有DataChecker类的实现提示：

1. 相邻差值的自适应阈值法（最简单直接的相邻判断） #

这是最贴合你需求的方法：核心看当前温度和前一个时间点的温度差是否超出合理范围。为了避免硬编码阈值，我们用**差值的中位数绝对偏差（MAD）**来自适应计算异常阈值，比固定值更适配数据本身的波动。

实现示例（整合到你的类中） #

import statistics

class DataChecker:
    # 保留你现有的DateTemperature内部类和__init__方法...

    def detect_adjacent_outliers(self):
        outliers = []
        data = self._date_temperature_values
        if len(data) < 2:
            return outliers
        
        # 第一步：计算所有相邻温度的差值绝对值
        temp_diffs = []
        for i in range(1, len(data)):
            diff = abs(data[i].temperature - data[i-1].temperature)
            temp_diffs.append(diff)
        
        # 第二步：用差值的MAD计算自适应阈值（通常3倍MAD作为异常 cutoff）
        median_diff = statistics.median(temp_diffs)
        mad_diff = statistics.median([abs(d - median_diff) for d in temp_diffs])
        anomaly_threshold = 3 * mad_diff

        # 第三步：遍历检测异常
        for i in range(1, len(data)):
            current_temp = data[i].temperature
            prev_temp = data[i-1].temperature
            if abs(current_temp - prev_temp) > anomaly_threshold:
                # 可根据需求标记当前值或前后值，这里标记当前值
                outliers.append((data[i].date, current_temp))
        
        return outliers

2. 局部小窗口的MAD/IQR法（兼顾相邻点的局部趋势） #

如果温度变化不是突变，而是偏离了相邻几个点的局部正常范围（比如连续3天都是20度左右，突然出现30度），可以用3-5个相邻点组成的小窗口计算局部统计量，判断当前值是否异常。

实现示例（局部3窗口MAD） #

def detect_local_window_outliers(self, window_size=3):
    outliers = []
    data = self._date_temperature_values
    n = len(data)
    if n < window_size:
        return outliers
    
    half_window = window_size // 2
    for i in range(n):
        # 处理边界：第一个/最后一个点只取单侧相邻值
        left_idx = max(0, i - half_window)
        right_idx = min(n-1, i + half_window)
        # 获取窗口内的温度值
        window_temps = [data[j].temperature for j in range(left_idx, right_idx+1)]
        
        # 计算局部MAD阈值
        median_temp = statistics.median(window_temps)
        mad = statistics.median([abs(t - median_temp) for t in window_temps])
        lower_bound = median_temp - 3 * mad
        upper_bound = median_temp + 3 * mad
        
        current_temp = data[i].temperature
        if current_temp < lower_bound or current_temp > upper_bound:
            outliers.append((data[i].date, current_temp))
    
    return outliers

对你现有代码的优化建议 #

你之前的问题出在全局计算IQR/均值偏差——这类方法会把整个数据集里的极端值都标记为异常，但忽略了相邻时间点的温度变化逻辑。改成上面的局部/相邻差值方法后，就能精准捕捉“突变型异常”。

额外提示：

• 你已经对数据按日期排序，这非常关键！确保相邻是时间上的连续，而不是乱序的。
• 阈值倍数（比如3倍MAD）可以根据你的业务场景调整：如果想更严格就调小（比如2倍），想宽松就调大（比如4倍）。
• 可以结合业务知识加兜底阈值：比如即使MAD算出允许8度突变，你知道实际温度一天最多变5度，就给阈值加个min(anomaly_threshold, 5)的限制。

内容的提问来源于stack exchange，提问作者user11522738