异常值检测助手

自动识别数据中的异常值：选好检测方法和阈值，系统标记出每一列的异常行，并给出异常率。大部分订单在 100-500 元、突然蹦出个 99999 的时候，先用它找出这些值，再决定是录入错误还是真实大单。

结果可以导出三种版本：标记版数据、只含异常行的子集、去掉异常行的干净数据。

准备至少一列数值数据

• 一份 Excel 或 CSV 文件，至少包含 1 列数值数据

四步找出异常值

1. 导入数据。打开数据魔方，点顶部「数据分析」标签页，进「异常值检测助手」卡片，导入数据文件。系统自动识别数值列。

2. 选择检测方法和参数。在参数面板里勾选想检测的列（可多选），再选检测方法：

   方法	原理（用人话说）	默认阈值
   IQR	算出数据的"正常范围"（25% 分位到 75% 分位），超出太多的就是异常。最常用，对大多数数据都好使	1.5
   Z-score	算每个值偏离平均值多少个标准差，偏得太远的是异常。适合数据大致对称的情况	3.0
   Modified Z-score	和 Z-score 类似，但用中位数代替均值，不容易被极端值干扰。数据偏态严重时用它	3.5

   不知道选哪个就选 IQR、阈值保持 1.5，大多数情况够用。关于 IQR 阈值只需要知道"越大越宽松"：调大（比如 3.0）只有特别离谱的才算异常，调小（比如 1.0）更多值会被标记。

3. 查看结果。点「开始分析」，先看各列异常率摘要：

   列名	异常数	总行数	异常占比	下界	上界
   销售额	23	5000	0.46%	-150.00	850.00
   成本	8	5000	0.16%	10.00	320.00

   "下界"和"上界"是系统算出的正常范围，低于下界或高于上界的值被标记为异常。

4. 导出结果。三种导出选项按需选择：

   • 标记版：原始数据多几列标记（_is_outlier 为 1 表示这行有异常，_outlier_销售额 为 1 表示这列是异常）
   • 异常行子集：只包含被标记为异常的行
   • 清洗后数据：去掉异常行后的干净数据

确认异常率符合直觉

各列的异常摘要出来了，异常率合理、下界上界符合对数据的认知，说明检测完成。

接下来可以用 描述性统计助手 看清洗后数据的全貌，或用 频率分布助手 看数值的分布形态。