首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >发现数据集中的离群值

发现数据集中的离群值
EN

Stack Overflow用户
提问于 2011-01-06 00:09:44
回答 4查看 17.6K关注 0票数 17

我有一个python脚本,它创建服务器正常运行时间和性能数据的列表,其中每个子列表(或“行”)包含特定集群的统计数据。例如,格式很好的它看起来像这样:

代码语言:javascript
运行
复制
-------  -------------  ------------  ----------  -------------------
Cluster  %Availability  Requests/Sec  Errors/Sec  %Memory_Utilization
-------  -------------  ------------  ----------  -------------------
ams-a    98.099          1012         678          91
bos-a    98.099          1111         12           91
bos-b    55.123          1513         576          22
lax-a    99.110          988          10           89
pdx-a    98.123          1121         11           90
ord-b    75.005          1301         123          100
sjc-a    99.020          1000         10           88
...(so on)...

因此,在列表形式中,它可能如下所示:

代码语言:javascript
运行
复制
[[ams-a,98.099,1012,678,91],[bos-a,98.099,1111,12,91],...]

我的问题是:确定每列中的异常值的最佳方法是什么?或者,异常值不一定是解决发现“坏”问题的最好方法?在上面的数据中,我肯定想知道bos-b和ord b,以及ams a,因为它的错误率很高,但其他的可以丢弃。根据列的不同,由于更高不一定更差,也不一定更低,我正在尝试找出最有效的方法来做到这一点。似乎numpy在这类事情上经常被提及,但甚至不确定从哪里开始(遗憾的是,我更像是系统管理员而不是统计学家……)。

提前感谢!

EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/4606288

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档