zscore结果全为NaN是因为输入含NaN或非数值列，其默认不跳过缺失值；应先用select_dtypes提取数值列并dropna/fillna，或单列调用zscore(df[col], nan_policy='omit')。
用 scipy.stats.zscore 判断异常值时，为什么结果全是 nan？
常见原因是输入数据含 nan 或非数值列（如字符串 ID、时间戳）。zscore 默认不跳过缺失值，遇到 nan 就整列返回 nan。
- 先用
pandas.DataFrame.select_dtypes(include=['number'])提取数值列 - 再用
dropna()或fillna()处理缺失值，别直接传原始 DataFrame 给zscore - 若需保留原始索引，建议用
zscore(df[col], nan_policy='omit')单列计算，避免整表失效
sklearn.ensemble.IsolationForest 为什么对小数据集效果差？
IsolationForest 依赖随机子采样和树结构，样本量 n_samples 时分割不稳定，容易把正常点判为离群。
- 确认
contamination参数是否设得过高（默认0.1），小数据建议显式设为0.05或更低 - 优先用
random_state=42固定随机种子，否则每次运行结果波动大 - 对
n_samples 的情况，改用 <code>LocalOutlierFactor（但注意它需要n_neighbors≥ 20，仍需至少 30+ 样本）
用箱线图（matplotlib.pyplot.boxplot）找离群点，怎么定位原始行号？
箱线图本身不返回索引，只画图。要定位原始位置，得自己算四分位距（IQR）边界，再比对原始数据。
- 用
np.percentile(series, [25, 75])获取Q1和Q3，算出lower_bound = Q1 - 1.5 * IQR，upper_bound = Q3 + 1.5 * IQR - 然后用布尔索引：
df[~((df[col] >= lower_bound) & (df[col] - 注意：
boxplot默认剔除离群点绘图，但不会修改原数据；别误以为图上没显示就等于已被删除
处理离群点时，clip 和 replace 哪个更安全？
clip 是硬截断，适合有物理/业务边界的场景（如年龄不能超 120）；replace 更灵活，但填错值会污染分布。
立即学习“Python免费学习笔记（深入）”；
- 用
df[col].clip(lower=lower_bound, upper=upper_bound)不会改变非离群点，也不引入新分布 - 若用
replace，避免填固定值（如全替成median），推荐用邻近分位数插值：df[col].where(condition, df[col].quantile(0.95)) - 切记：处理前用
df.copy()备份，尤其多列批量操作时，inplace=True容易误覆盖
离群检测本身没有银弹——Z-score 假设正态，IQR 对偏态鲁棒但忽略变量关系，IsolationForest 能处理高维但黑盒。真正麻烦的不是识别，是判断“这到底是不是错误”：传感器漂移？用户误输？还是真实罕见事件？得结合业务逻辑看，代码只能帮你标出来。
