按照百分比取出数据的去极值方法

去极值的方法，可以用均值加n倍的方差，来过滤，也可以用中位数加上下范围来过滤。如聚宽就提供了winsorize和winsorize_med等方法。

但我总觉得不合心意，第一，这个过程本来就是需要不断调整参数的，最好能够按照一定步长来取数据，逐条显示取出数据的数量，占比，方差等。此外，参数最好指定数据的百分比，用户只要指定百分比，就能够获得相应的数据。基于此，设计了一个函数。

from pandas import Series, DataFrame
from jqfactor import winsorize_med
def data_dist(data,step=0.1,maxstep=1,outratio=0.9): #以中位数为中心，数据的分布
    print("数据分布，以中位数为中心，默认步长0.1，通过step参数指定，max指定最大step，outratio指定输出百分比(0.9)")
    med=data[0].median()
    d=max(data[0].max()-med,med-data[0].min())  #最大幅度
    f=step    
    out=None
    while(f<maxstep):
        d2=data[(data[0]<med+f*d) & (data[0]>med-f*d)]
        print("%.2f %.2f%% %d var:%.2f"%(f,len(d2)*100.0/len(data),len(d2),d2[0].std()/med))
        if len(d2)*1.0/len(data)>=outratio and out is None:
            out=d2.copy(deep=False)
        f+=step
    return out

这个方法融交互和获取数据于一体，可以一边交互测试，一边设定参数，很python！

取广晟有色1000天的成交量分析，看看效果

arr=get_bars("600259.XSHG", count=1000, unit='1d',fields=['date', 'high','low','volume'],end_dt="2018-12-31")
vol=DataFrame(arr["volume"])
o=data_dist(vol,step=0.01,maxstep=0.5,outratio=0.8)
vol.plot()
o.plot()
print("%d"%(vol.median()))
print("%d"%(vol.mean()))
print("%d"%(o.mean()))

把dataframe传递进去就可以了，默认以中位数为中心，中位数到上下限的最大距离为参考，以指定步长为上下界，取出数据。

可以看出，按80%取出的数据，比原始数据要更加集中，中心点也更加合理

来源：https://www.cnblogs.com/jetz/p/11420473.html