Вы можете использовать php на сервере для запуска любых команд sql, которые вам нужны, и просто перейти к php-странице с устройства.
если у вас есть хорошие данные, используйте threshold = 0.5
threshold = 1
print(df[df['shiper_RFQ'].apply(lambda x: np.abs(x - df['shiper_RFQ'].mean()) / df['shiper_RFQ'].std() < threshold)])
и этот
df = df[ np.abs(df['shiper_RFQ'] - df['shiper_RFQ'].mean()) / df['shiper_RFQ'].std() < threshold]
оба будут иметь одинаковый результат
вывод
[112 ]если вы печатаете, вы можете увидеть аномалию
print(df['shiper_RFQ'].apply(lambda x: np.abs(x - df['shiper_RFQ'].mean()) / df['shiper_RFQ'].std()))
0 0.084182
1 0.010523
2 0.468261
3 0.268329
4 1.594192
5 1.757294
6 0.268329
Вы можете определить выбросы, найдя строки, которые отличаются от среднего значения столбца более чем на 1,5 стандартных отклонения (или любого другого значения отсечения, которое вы выберете):
df['outliers'] = 0
df.loc[(df.shiper_RFQ - df.shiper_RFQ.mean()).abs() > 1.5*df.shiper_RFQ.std(), 'outliers'] = 1
print(df)
Supplier_ID shiper_RFQ outliers
0 2305 5000 0
1 2309 5200 0
2 2305 6500 0
3 2307 4500 0
4 2301 900 1
5 2302 10000 1
6 2306 4500 0
Тогда вы можете сохраните их в другом фрейме данных и удалите их из оригинала:
df2 = df[df.outliers == 1].reset_index(drop=True)
df = df[df.outliers == 0].reset_index(drop=True)
print(df2)
print(df)
Supplier_ID shiper_RFQ outliers
0 2301 900 1
1 2302 10000 1
Supplier_ID shiper_RFQ outliers
0 2305 5000 0
1 2309 5200 0
2 2305 6500 0
3 2307 4500 0
4 2306 4500 0