← 返回工具箱

🔍异常值检测

帮你找出数据中的"异常点"——那些明显偏离正常范围的数值。

💡 适用场景：数据清洗、质量控制、欺诈检测、异常订单发现
正在加载计算引擎...
📊真实行业案例免费开放

点击案例自动加载数据并检测异常值

⏳
加载案例中...

📝 输入数据

示例数据中 15 和 150 是异常值

IQR 对极端值更稳健，Z-Score 假设正态分布

📊 检测结果

🔍

输入数据后点击「检测异常值」

结果 图表 列表 解读
🔍 检测概览
--
异常值个数
--
异常占比
--
总数据量
--
检测方法
--
正常下界
--
正常上界
📈 数据可视化
散点图
箱线图
⚠️ 异常值详情
# 异常值 位置（索引） 偏离方向 偏离程度
💡 结果解读
🐍查看 Python 代码▼ 

                        

                    

                

            


            
            

                
📖 什么是异常值？

                

                    
异常值/离群点：与其他数据点明显不同的数值，可能是错误数据，也可能是真实的极端情况。

                    
IQR方法：基于四分位距，超出 Q1-1.5×IQR 到 Q3+1.5×IQR 范围的视为异常值。对极端值更稳健，不假设分布形状。

                    
Z-Score方法：超出均值±3个标准差的视为异常值。假设数据近似服从正态分布。

                    
💡 异常值处理建议

                    
    
                        
  • 先确认原因 - 是录入错误、测量故障还是真实极端值？
    • 
                        
  • 录入错误 - 修正或删除
    • 
                        
  • 真实极端值 - 保留但标注，用稳健方法分析（如中位数替代均值）
    • 
                        
  • 可疑数据 - 做敏感性分析：有/无异常值各分析一次，对比差异
    • 
                    

                

            


            

                
📊 探索更多统计工具

                
19 个统计工具免费使用，涵盖假设检验、回归分析、聚类分析等

                查看全部工具 →
            

        

    


    

    
    


    

        

            
            
正在检测异常值...