使用场景#

我会先输出异常样本表，保留原始 ID 和关键字段，再写处理建议。只有确认是错误数据，才进入修正或剔除流程。

我会先准备一个小样本，保证可以人工检查结果。大表直接跑起来很快，但一旦结果不对，很难判断是代码错、字段错，还是数据本身脏。

最小代码#

1
q1 = df["amount"].quantile(0.25)
2
q3 = df["amount"].quantile(0.75)
3
iqr = q3 - q1
4
high = q3 + 1.5 * iqr
5
outliers = df[df["amount"] > high]
6
outliers.to_excel("outliers_review.xlsx", index=False)

检查结果#

• 行数是否符合预期，不能只看代码是否报错。
• 关键字段的类型、缺失值和唯一值数量是否合理。
• 输出结果能否用三到五行样本手工复算。
• 如果生成报表，要保留清洗前后的对账数字。

容易忽略的点#

异常值报告要包含规则、数量、占比、样本和处理建议。否则别人看不到你为什么这样处理。

最小验收样例#

我会用三行数据做一次手工验收：一行正常记录，一行边界记录，一行异常记录。代码跑完后，把输出和手工计算结果对照一遍，确认不是字段名写对了但口径理解错了。

如果这一步会进入日报、周报或正式报告，还要把输入行数、输出行数和被过滤的记录数写到日志里。数据处理的可信度，来自这些可以复查的中间证据。

小结#

异常值先报告不要急着删除 要解决的是一个可复查的数据处理问题。先定义口径，再写代码，最后用样本和统计结果验收，分析结果才站得住。