利用箱线图巧剔异常值

每个研究生都盼望着“天天有数据，年年发文章”，但有时候我们会发现实验数据中存在一些不合理的值。剔除这些异常值的办法有很多，在这里小编教大家使用箱线图剔除异常值。

使用箱线图剔除异常值的标准很简单，超出箱线图上限和下限的值即为异常值。

那什么是箱线图的上限和下限呢？首先让我们来理解几个概念。

上四分位数（Q1）：所有数值由小到大排列后位于第75%位置的数字。

下四分位数（Q3）：所有数值由小到大排列后位于第25%位置的数字。

四分位间距（IQR）：上四分位数减下四分位数。（Q1-Q3）

上限即为非异常值范围内的最大值。（Q1+1.5*IQR)

下限即为非异常值范围内的最小值。（Q3-1.5*IQR)

根据上述箱形图剔除异常值的标准，小编写了一个脚本，可以快速去除异常值。

脚本储存在https://github.com/biozhp/boxplot_iqr （点击阅读原文即可下载），下载解压后即可使用。

输入文件为以“tab”为分隔符的文本文件。第一列为样本名称，第二列为数值。

## 该脚本须在Linux环境下使用，并安装有Python及R语言
sh ./run_pipline.sh ./input.txt ./out_name

脚本执行完成后即可获得剔除异常值后的文件（out_name.iqr.txt）。

参考资料：

R语言实战（第2版）122-123页

https://blog.csdn.net/clairliu/article/details/79217546

https://www.jianshu.com/p/76d872022dd8