Python用IQR检测DataFrame异常值无结果与UFuncTypeError问题

问题1：Tukey异常值检测函数未识别到new_deaths列明显极端值的原因 #

我们先基于你给出的new_deaths列统计值手动计算Tukey检测边界：

• Q1（25分位数）= 0
• Q3（75分位数）= 18
• IQR = Q3 - Q1 = 18
• 下界 = Q1 - 1.5*IQR = -27
• 上界 = Q3 + 1.5*IQR = 45

你给出的列最小值-1918、最大值18000都明显超出边界，未检测到异常值的可能原因如下：

1. 调用函数时传入的df.new_deaths和你做统计描述的不是同一个数据副本，比如你之前做过过滤、切片操作，数据已经发生了变化
2. np.percentile默认的分位数插值规则和pandasdescribe()方法的计算规则不一致，你可以在np.percentile参数里添加method='midpoint'，对齐pandas的默认分位数计算逻辑
3. 拼写误差导致调用时传入了其他无异常的列，你输出日志里的列名拼写为new deatths，和实际列名new_deaths不一致，可以核对传入参数是否正确

你可以在函数内临时添加打印q1、q3、floor、ceiling的代码，确认计算出的边界是否和手动计算结果一致，就能快速定位问题。 #

问题2：UFuncTypeError报错的含义与触发原因 #

报错含义 #

该报错翻译为：通用函数(ufunc) multiply 没有匹配输入类型的运算逻辑，输入的两个操作数类型都是长度不超过32的字符串（<U32），无法执行乘法运算返回对应类型的结果

触发原因 #

你遍历df.columns得到的feature是列名字符串，直接把字符串传给了要求传入数值序列的find_outliers_tukey函数，函数内对字符串计算分位数得到的结果还是字符串类型，执行1.5*iqr乘法运算时就会触发类型不匹配报错。

修复建议 #

1. 调用函数时传入列对应的数值序列，把代码改为find_outliers_tukey(df[feature])
2. 提前过滤非数值列，避免date、location这类非数值列参与计算，遍历代码可以修改为：

# 仅遍历数值列
for feature in df.select_dtypes(include='number').columns:
    tukey_indices, tukey_values = find_outliers_tukey(df[feature])
    print(f"Outliers in {feature} are {tukey_values} \n")

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