質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.75%

  • Python 3.x

    5308questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    482questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

外れ値除去を特定の時系列ごとに行いたい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 181

KentoShin

score 25

IQR(四分位範囲)の概念を使って、外れ値を除去したいのですが、その除去を特定の期間ごと[ex)60分ごと]に実行したいです。

【前提】
データフレーム:IndexがTimestamp('2017-07-01 00:00:00'から'2018-02-28 23:59:00')で、Columnが237個のデータフレーム。

【やりたいことのイメージ】

#関数の定義
def drop_outlier(df):
    for i, col in df.iteritems():
        # IQR
        q1 = col.describe()['25%']
        q3 = col.describe()['75%']
        iqr = q3 - q1

        # Lower 1.5*IQR whisker & Upper 1.5*IQR whisker
        outlier_min = q1 - (iqr) * 1.5
        outlier_max = q3 + (iqr) * 1.5

        # Fill the oulier with NaN
        col[col < outlier_min] = None
        col[col > outlier_max] = None
# 7月の外れ値処理
drop_outlier(df['2017-07-01 00:00:00':'2017-07-31 12:59:00'])
# 8月の外れ値処理
drop_outlier(df['2017-08-01 00:00:00':'2017-08-30 12:59:00'])
.
.
.
# 2月の外れ値処理
drop_outlier(df['2017-02-01 00:00:00':'2017-02-28 12:59:00'])


このように、一つ一つ処理することは可能ですが、全然スマートじゃないし、応用可能範囲も狭いと思いました。
より抽象的で、スマートなやり方をご教授願いたいです。

どうぞよろしくお願い致します。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+2

年/月毎に groppby して Groupby.apply() から drop_outlier() を呼ぶと良いかと思います。

drop_outlier() は Groupby.apply() から使用するため、return文を追加しております。

import numpy as np
import pandas as pd

def drop_outlier(df):
    for i, col in df.iteritems():
        # IQR
        q1 = col.describe()['25%']
        q3 = col.describe()['75%']
        iqr = q3 - q1

        # Lower 1.5*IQR whisker & Upper 1.5*IQR whisker
        outlier_min = q1 - (iqr) * 1.5
        outlier_max = q3 + (iqr) * 1.5

        # Fill the oulier with NaN
        col[col < outlier_min] = None
        col[col > outlier_max] = None
    # applyにて使用するので 戻り値を追加する
    return df

# 適当なデータを生成
N = 365
df = pd.DataFrame(
    {'A': np.random.normal(0, 10, N),'B': np.random.normal(0, 10, N)},
    index = pd.date_range('2018/1/1 12:00', freq='1d', periods=N))

# 年/月毎に groppby して drop_outlier を呼ぶ
df = df.groupby(pd.Grouper(freq='M')).apply(drop_outlier)
# 以下の処理でも同じ
#df = df.groupby([df.index.year, df.index.month]).apply(drop_outlier)


print(df)

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.75%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

  • 受付中

    大量のCSVデータの処理方法

    100個ほどCSVファイルがあり、 それぞれのファイルで、30×30のセルに数値が入力されています。 この100個のCSVファイルに対して、同じセル座標について最大値最小値を計算し

  • 解決済

    csvファイル内のDate型の日付をUnixTimeに変換したい

    [Python2.7]  センサーデータを可視化するため、データ加工に取り組んでいます。 csv内にある各行のDate型の日付を全行UnixTimeに変換したいです。 プログラムを

  • 解決済

    pythonのスライスについて

    a = b[:,0] このようなコードがあったとき、どのようなことがおこなわれますか? bはこのコードがなりたつ何かだとすると なにだったら成り立ちますか? すみません、間

  • 解決済

    pythonを用いて、クラスタリングを行おうとすると、valueerror length of va...

    pythonを用いて、クラスタリングを行おうとすると、valueerror length of values does not match length of  index となり

  • 解決済

    複数行列への分割について

    Pythonによる複数行列の解析に関する質問です。 4行n列の.txtファイルを読み込んで分割を行いたいと考えています。 txtファイルは下記のような内容です。 531 1 1

  • 解決済

    csvファイルの読み取り

    前提・実現したいこと 初めましてプログラムをはじめて間もないのですが、 現在csvファイルからデータを読み込みグラフを表示するプログラムを作っています。 csvは以下ののようになっ

  • 解決済

    データフレームに記載された情報をもとに時間を計算したい:Python(Pandas)

    前提・実現したいこと お世話になります。 「ある地点からある地点までかかった時間を人ごとに出力したい」ということをしたいです。 具体的にはこんな感じです xさん、yさ

  • 解決済

    pandasでStartEnd形式のデータを時系列に整えたい

    pythonでのpandasを用いたデータ処理において詰まっておりますので、ぜひ助けていただけると幸いです。 なにとぞよろしくお願いします。 前提・実現したいこと ある時間にi

同じタグがついた質問を見る

  • Python 3.x

    5308questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    482questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。