AninditaNandK/outlier-sigma
GitHub: AninditaNandK/outlier-sigma
一个基于 Python 的异常值检测工具，通过 z-score、MAD 和 IQR 三种统计方法并配合可配置阈值与可视化，帮助用户从 CSV 数据中快速识别离群点。
Stars: 0 | Forks: 0
# 使用可变 Sigma 进行异常值分析
使用多种方法进行异常值检测，并支持可选的绘图功能。
## 设置 (Windows)
```
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
```
## 配置
如果存在 `config.json` 文件，则会从中加载默认配置。
主要选项：
- `method`：`zscore` | `mad` | `iqr`
- `sigma`：浮点数阈值
- `column`：列名（可选）
- `plots`：true/false
- `output_csv`
- `output_plot`
## 示例数据
包含一个示例 CSV 文件：
- `data/orders.csv`
## 运行
```
python main.py --csv data\orders.csv --column Sales --method zscore --sigma 3
```
禁用绘图：
```
python main.py --csv data\orders.csv --no-plots
```
如果省略 `--csv`，脚本将生成一个小型合成数据集。
## 输出
- 打印边界值和检测到的异常值。
- 当提供 CSV 文件时，保存 `outliers.csv`。
- 当启用绘图时，保存 `outliers.png`。
## 测试
```
pytest
```
标签：Python, 代码示例, 安全规则引擎, 异常检测, 数据分析, 无后门, 系统独立性, 统计学, 逆向工具