用 numpy.percentile 计算 IQR 更可控准确：Q1=np.percentile(df[col],25)，Q3=np.percentile(df[col],75)，上下界为 Q1−1.5×IQR 和 Q3+1.5×IQR，注意括号优先级；过滤时拆分布尔索引，避免掩码错位。
用 numpy.percentile 做 IQR 法检测最稳
直接用 pandas.DataFrame.describe() 看四分位数容易漏掉边缘异常点，而手算 IQR（四分位距）配合 numpy.percentile 更可控、更准。关键是把上下界计算和布尔索引拆开，避免链式调用导致掩码错位。
-
Q1 = np.percentile(df[col], 25)和Q3 = np.percentile(df[col], 75)比df[col].quantile(0.25)在含NaN时行为更一致（默认跳过NaN） - 上下界建议用
Q1 - 1.5 * (Q3 - Q1)和Q3 + 1.5 * (Q3 - Q1)，别省略括号，否则乘法优先级会出错 - 过滤时用
df[(df[col] >= lower_bound) & (df[col] ，必须用 <code>&而不是and，否则报ValueError: The truth value of a Series is ambiguous
对多列批量处理要避开 apply 的隐式类型转换
用 df.select_dtypes(include=['number']) 先捞出数值列，再逐列处理——别图省事写 df.apply(lambda x: ...)，它会强制把整行转成 object dtype，导致 np.percentile 报 TypeError: cannot perform reduce with flexible type。
- 推荐用
for col in numeric_cols:显式循环，每列独立算 IQR，保留原始 dtype - 如果想一行过滤全表，构建布尔掩码时用
mask = pd.Series([True] * len(df))初始化，再对每列做mask &= (df[col] >= lb) & (df[col] - 注意：
select_dtypes不识别Int64（pandas nullable int），需额外加include=['number', 'Int64']
scipy.stats.zscore 适合正态分布数据，但别无脑设阈值 3
Z-score 方法快，但前提是数据近似正态。实际中很多业务指标（比如订单金额、响应时长）右偏严重，直接用 abs(zscore) > 3 会误杀大量正常高值。
- 先用
scipy.stats.shapiro或直方图快速扫一眼分布形态，不满足正态就换 IQR -
zscore默认按列计算，但若 DataFrame 有NaN，得显式传nan_policy='omit'，否则返回全nan - 阈值不一定要是 3：对小样本（
n ），用 <code>2.5更稳妥；对监控类场景，可动态取np.percentile(abs(z), 99)当上限
过滤后记得检查空值和 dtype 回退
异常值替换成 np.nan 后，int 列会自动转成 float64，后续 merge 或写入数据库可能报错；直接删行则要防 df.empty 导致下游 KeyError。
立即学习“Python免费学习笔记（深入）”；
- 替换异常值后，用
df[col] = df[col].astype('Int64')（pandas 专用）或df[col].convert_dtypes()尝试恢复整型 - 删除行前加
if not mask.all(): df = df[mask]，避免空 DataFrame - 别忽略
pd.options.mode.chained_assignment = None，否则df.loc[mask, col] = np.nan可能触发 SettingWithCopyWarning 且不生效
IQR 法在大多数业务场景下比 Z-score 更鲁棒，但真正麻烦的不是算法本身，而是数值列里混着 inf、字符串型数字（如 '12.5'）、或不同单位混存（比如有的字段是毫秒有的是秒）——这些得在检测前用 pd.to_numeric(..., errors='coerce') 统一清理。
