clip函数不接受百分比，只认具体数值；需先用quantile计算分位数再传入lower/upper，否则会误将0.05当作阈值而非第5百分位。
用 clip 去极值时，为什么 lower 和 upper 不能直接填百分比？
clip 函数本身不接受百分比，只认具体数值。你传 lower=0.05，它真就按“下限是 0.05”来截，不是“第 5 百分位”。这是最常踩的坑——把统计逻辑和截断逻辑混在一起了。
真正想做“剔除首尾 2.5%”，得先算出对应分位数，再喂给 clip。比如：
q_low = df['col'].quantile(0.025) q_high = df['col'].quantile(0.975) df['col_clipped'] = df['col'].clip(lower=q_low, upper=q_high)
怎么批量对多列做百分位截断？
逐列算分位数再 clip 太啰嗦，容易漏列或写错索引。推荐用 apply + quantile 组合，保持逻辑一致：
- 对数值列统一取相同百分位（如 1% 和 99%），用
df.select_dtypes(include='number').apply(lambda x: x.clip(x.quantile(0.01), x.quantile(0.99))) - 如果某些列需要不同阈值（比如收入列用 0.5%/99.5%，评分列用 5%/95%），得单独定义映射字典，再循环处理，别硬塞进一个
apply - 注意
quantile默认跳过NaN，但如果你的数据里有大量缺失值，分位数可能偏移——建议先看df['col'].describe()确认有效样本量
clip 和 mask / where 在去极值时的区别
有人误以为 clip 是“删掉”极值，其实它是“压平”：超出范围的值被替换成边界值，长度和索引完全不变。而 mask 或 where 才真能设为 NaN，后续可配合 dropna 删除行。
- 要保留原始结构、只抑制异常影响（比如做归一化前预处理），用
clip - 要彻底排除异常样本（比如建模前清洗），该用
df[~((df['col'] q_high))]或df.mask配合布尔条件 -
clip性能略好，因为不产生新布尔数组；但若后续还要判断哪些值被截过，clip不留痕迹，不如mask可追溯
用 clip 截断后，为什么标准化结果还是不对？
常见现象：截完再做 StandardScaler，发现方差还是大，或者某列标准差接近 0。问题往往出在——你对训练集算的分位数，没复用到测试集。
- 训练阶段：用
train_df['col'].quantile(0.025)得到q_low_train，再clip - 预测阶段：必须用同样的
q_low_train去截test_df['col']，不能重新算测试集的分位数，否则分布对不齐 - 更稳妥的做法是封装成函数或用
sklearn.preprocessing.FunctionTransformer，把分位数作为 fit 阶段的属性存下来 - 另外注意：如果某列全是同一值，
quantile(0.025)和quantile(0.975)相等，clip后整列变常数，标准化会报StandardScaler除零警告
分位数边界一旦确定，就得像模型参数一样固定住；临时重算、跨数据集混用，是线上服务出 bug 的高频原因。
