z-score剔除需先标准化数值列再按行取最大绝对值判断异常；变量相关时宜用ellipticenvelope建模多元分布，contamination设预估异常比例，fit_predict返回1/-1标识正常/异常。
用 scipy.stats.zscore 做多变量Z-score剔除，但得先标准化再合并判断
直接对 DataFrame 调用 zscore 会按列独立计算，导致「某行在A列正常、B列异常」却逃过检测。必须先标准化所有数值列，再按行取最大绝对Z值——只要任一维度超标，整行就视为异常。
实操建议：
- 只对数值列操作：
df.select_dtypes(include='number')过滤，避免TypeError - 用
axis=1计算每行的最大 |Z|：np.abs(z_scores).max(axis=1) - 阈值别硬写3：业务数据偏斜时，
2.5或quantile(0.99)更稳
用 sklearn.covariance.EllipticEnvelope 拟合多元正态分布边界
当变量间存在相关性（比如身高和体重强正相关），Z-score 会漏掉「单变量都正常，但组合异常」的点。这时候需要建模整个特征空间的分布形状。
注意点：
-
contamination参数不是百分比，是预估异常比例（如0.05表示假设5%是异常），设太高会导致大量误删 - 必须用
.fit_predict()，返回1（正常）和-1（异常），别直接用.predict() - 对小样本（
n_samples ）不稳定，此时改用 <code>IsolationForest
用 pandas.DataFrame.boxplot 可视化辅助确认，但不能直接用于剔除
箱线图能快速暴露单变量离群点，但它只看边际分布，无法反映多变量联合异常。不过它对调试很有用：如果某列在箱线图里满屏黑点，说明该列本身质量差，可能需要先做 log 变换或分位数截断，再进多元检测流程。
常用技巧：
- 传入
column列表限定范围，避免非数值列报错：df.boxplot(column=['age', 'income']) - 设置
return_type='dict'可提取上下须位置，手动算 IQR 区间 - 别依赖
showfliers=False隐藏点来“假装没异常”——那只是不画，数据还在
剔除后务必检查索引连续性与空值传播
用布尔索引删除行（如 df[~is_outlier]）后，原索引会留下空缺。后续若做 rolling 计算或时间序列对齐，容易触发 ValueError: index must be monotonic。
安全做法：
- 立即重置索引：
df_clean = df[~is_outlier].reset_index(drop=True) - 检查是否引入新空值：
df_clean.isna().sum().any()—— 多数异常检测本身不产生 NaN，但若之前用了fillna(method='ffill')等操作，得回头验 - 保留原始索引作标记列：
df.assign(original_idx=df.index)[~is_outlier]，方便溯源哪几行被删
实际中，变量间有没有强相关、样本量够不够、业务能否容忍假阳性，这三点会直接决定该选 Z-score、EllipticEnvelope 还是 IsolationForest。没有银弹，但跳过可视化验证和索引处理，十有八九会在下游报错。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
