异常值怎么找：从三个生活场景说起

上个月帮朋友看一份门店销售表，某天营业额突然多了两个零。朋友第一反应是系统出错，查完发现是店长把一笔团购订单重复录入了。这种明显偏离日常范围的数据，就是异常值。它不一定代表错误，但一定值得停下来看一眼。在数据观察里，异常值往往是最先暴露问题的信号，也可能藏着被忽略的真实变化。

先看一个最直观的例子。假设某城市一周的共享单车日骑行量分别是：12万、11.8万、12.3万、11.9万、12.1万、11.7万、45万。最后那个45万就是异常值。你可以用箱线图快速识别：把数据从小到大排，找到中位数和四分位数，算出四分位距（IQR），超过上四分位加1.5倍IQR或低于下四分位减1.5倍IQR的点，通常标为异常。这个例子里，前六个值集中在11.7到12.3之间，IQR很小，45万远远跳出上界。方法简单，但对偏态分布的数据要谨慎，比如收入数据天生右偏，用IQR可能把高收入者全标成异常，这时候需要结合业务判断。

另一种常见方法是Z分数。它衡量一个数据点距离平均值有多少个标准差。比如某班级数学平均分75，标准差5，某学生考了95，Z分数就是4，意味着比平均高出4个标准差。按经验规则，Z分数绝对值大于3的点可以视为异常。但Z分数有个前提：数据大致服从正态分布。如果数据本身波动大、样本少，Z分数容易误判。举个例子，某只股票连续20天日涨跌幅的标准差是1.2%，某天涨了4.5%，Z分数约3.75，确实异常。但如果是新股上市首日，波动本身就大，这个Z分数就不那么可靠。所以用Z分数前，先看数据分布形态，再看样本量。

散点图适合看两个变量之间的关系。比如观察广告投入和销售额，大部分点沿着一条斜线分布，但有几个点明显偏离。其中一个点广告费很高，销售额却很低。这可能是投放渠道选错了，也可能是那段时间竞品降价。散点图的好处是，你能同时看到异常值在横轴和纵轴上的位置，判断它是单变量异常还是双变量关系异常。在实际分析中，我习惯先画散点图，再决定要不要用IQR或Z分数做量化筛选。图能提供上下文，数字只能给一个阈值。

识别出异常值之后，怎么处理？常见做法有三种：保留、修正、剔除。保留适用于异常值本身有业务含义的情况，比如某天销量暴增是因为上了本地新闻，这个点对后续预测反而重要。修正适用于明确知道是记录错误，比如小数点错位、单位写错，可以按规则改回来。剔除要最小心，因为删掉一个极端值，平均值和标准差都会变，走势可能被平滑掉。我一般会做两次分析：一次含异常值，一次不含，对比结论差异。如果差异很大，说明这个点影响关键判断，不能随便删。

还有一种情况是异常值成串出现。比如某电商平台连续三天退货率从2%跳到8%，单独看每天都不算极端，但连在一起就是异常模式。这时候用简单的阈值法会漏掉，需要看移动平均或累积偏差。方法上可以计算滚动Z分数，或者用时间序列的残差分析。核心思路是：异常不一定是单个点，也可能是一段走势的突变。观察连续异常比观察孤立异常更有价值，因为它往往指向系统性问题，而不是偶然误差。

最后提醒一句：异常值识别没有万能公式。IQR、Z分数、散点图都是工具，用哪个取决于数据分布、样本量和业务背景。新手容易犯两个错：一是看到异常就删，二是完全忽略异常。更稳妥的做法是，先标记、再追问、后决策。标记用统计方法，追问靠业务知识，决策看分析目标。如果目标是预测整体趋势，异常值可能需要特殊处理；如果目标是发现风险点，异常值恰恰是重点。把异常值当成线索而不是麻烦，数据观察会更有意思。