Un valor atípico está muy alejado del resto. Puede ser un error (un precio introducido sin separador decimal) o un dato real (una bicicleta alquilada durante toda la tarde). Primero identifícalo y luego decide.
- Regla del rango intercuartílico: siendo
q1 y q3 los percentiles 25 y 75 e iqr = q3 - q1, se señalan los valores superiores a q3 + 1.5 * iqr o inferiores a q1 - 1.5 * iqr. Los percentiles apenas cambian al añadir unos pocos valores extremos, por lo que esta regla funciona con datos asimétricos.
- Puntuación z:
(x - x.mean()) / x.std(); se señalan los valores que superan 3. Los propios valores extremos desplazan la media y aumentan la desviación estándar, por lo que la puntuación z puede no detectarlos en datos asimétricos.
- clip:
x.clip(lower, upper) limita los valores en lugar de eliminar filas, por lo que los totales y los recuentos siguen cuadrando.
- Dentro de cada grupo: lo que es extremo para una lámpara es normal para un sofá. Compara cada valor con su propio grupo mediante
groupby(...).transform(...).
La mayoría de los trayectos son cortos; los del percentil superior son mucho más largos.