np.percentile和np.clip

异常值清洗：

q1, q99 = np.percentile(raw, [1, 99]) raw = np.clip(raw, q1, q99) # 简单的限幅

假设我们现在又这么一组体温数据：

raw = [36.5, 36.6, 36.4, 36.7, 36.5, 36.6, 36.4, 36.5, 36.6, 36.7, 36.5, 36.6, 36.4, 36.7, 36.5, 36.6, 36.4, 36.5, 36.6, 45.0]

我们的需求是需要把36.4和45.0的进行清洗

第一行：q1, q99 = np.percentile(raw, [1, 99]) 人话翻译：把数组 raw 里的所有数字按从小到大排个队，找到处于 1% 位置的那个数（赋值给 q1）和处于 99% 位置的那个数（赋值给 q99）。 q1（下边界）：队伍里排在最前面的那 1% 的“极小值”的分界线。 q99（上边界）：队伍里排在最后面的那 1% 的“极大值”的分界线。

第二行：raw = np.clip(raw, q1, q99) 人话翻译：把数组 raw 里所有数字卡死在 q1 和 q99 之间。 比 q1 还小的数字，直接强行改成 q1。 比 q99 还大的数字，直接强行改成 q99。 介于两者之间的数字，原封不动，保持不变。