Wartości odstające

Analiza danych IoT w Pythonie

Matthias Voppichler

IT Developer

Wartości odstające

Przyczyny występowania wartości odstających w zbiorach danych:

Błąd pomiaru
Manipulacja
Zdarzenia ekstremalne

Wartości odstające

temp_mean = data["temperature"].mean() 
temp_std = data["temperature"].std()

data["mean"] = temp_mean
data["upper_limit"] = temp_mean + (temp_std * 3)
data["lower_limit"] = temp_mean - (temp_std * 3) 

print(data.iloc[0]["upper_limit"])
print(data.iloc[0]["mean"])
print(data.iloc[0]["lower_limit"])

29.513933116002725
14.5345
-0.44493311600272456

Wykres wartości odstających

data.plot()

Średnia, górna i dolna granica przy użyciu 3 * odchylenia standardowego

Autokorelacja

from statsmodels.graphics import tsaplots

tsaplots.plot_acf(data['temperature'], lags=50)

Wykres autokorelacji

Autokorelacja

from statsmodels.graphics import tsaplots

tsaplots.plot_acf(data['temperature'], lags=50)

Wykres autokorelacji ze strzałką wskazującą opóźnienie 24

Czas na ćwiczenia!

Analiza danych IoT w Pythonie