Фильтрация выбросов в информационном кадре Pandas со скользящим медианой

Question

Я пытаюсь отфильтровать некоторые выбросы из точечного графика смещений высоты GPS с датами

Я пытаюсь использовать df.rolling, чтобы вычислить медиану и стандартное отклонение для каждого окна, а затем удалить точку, если она превышает 3 стандартных отклонения.

Тем не менее, я не могу найти способ перебрать столбец и сравнить вычисленное значение медианного значения.

Вот код у меня пока

import pandas as pd
import numpy as np

def median_filter(df, window):
    cnt = 0
    median = df['b'].rolling(window).median()
    std = df['b'].rolling(window).std()
    for row in df.b:
      #compare each value to its median




df = pd.DataFrame(np.random.randint(0,100,size=(100,2)), columns = ['a', 'b'])

median_filter(df, 10)

Как я могу просмотреть и сравнить каждую точку и удалить ее?

Answer 1

Просто отфильтруйте данные

df['median']= df['b'].rolling(window).median()
df['std'] = df['b'].rolling(window).std()

#filter setup
df = df[(df.b <= df['median']+3*df['std']) & (df.b >= df['median']-3*df['std'])]

Answer 2

Это мой подход к созданию медианного фильтра:

def median_filter(num_std=3):
    def _median_filter(x):
        _median = np.median(x)
        _std = np.std(x)
        s = x[-1]
        return s if s >= _median - num_std * _std and s <= _median + num_std * _std else np.nan
    return _median_filter

df.y.rolling(window).apply(median_filter(num_std=3), raw=True)

Answer 3

Вполне возможно, что есть более пандастичный способ сделать это - это что-то вроде хака, полагаясь на своего рода ручной способ отображения индекса исходного df для каждого скользящего окна. (Я выбрал размер 6). Записи до и до строки 6 связаны с первым окном; строка 7 - второе окно, и так далее.

n = 100
df = pd.DataFrame(np.random.randint(0,n,size=(n,2)), columns = ['a','b'])

## set window size
window=6
std = 1  # I set it at just 1; with real data and larger windows, can be larger

## create df with rolling stats, upper and lower bounds
bounds = pd.DataFrame({'median':df['b'].rolling(window).median(),
'std':df['b'].rolling(window).std()})

bounds['upper']=bounds['median']+bounds['std']*std
bounds['lower']=bounds['median']-bounds['std']*std

## here, we set an identifier for each window which maps to the original df
## the first six rows are the first window; then each additional row is a new window
bounds['window_id']=np.append(np.zeros(window),np.arange(1,n-window+1))

## then we can assign the original 'b' value back to the bounds df
bounds['b']=df['b']

## and finally, keep only rows where b falls within the desired bounds
bounds.loc[bounds.eval("lower<b<upper")]