Day 4 - Pandas를 이용한 이상치(Outlier) 탐지

[주인장]

1. IQR(사분위 범위)을 이용하여 처리 시간이 비정상적으로 긴 장비를 찾고, 이상치 제거 전후의 평균을 비교하세요.

다음 작업을 수행하세요.

1. 처리시간의 평균을 계산하세요.
2. 제1사분위수(Q1)와 제3사분위수(Q3)를 계산하세요.
3. IQR을 계산하세요.
4. IQR 기준으로 이상치를 탐지하세요.
5. 이상치를 제외한 데이터의 평균을 계산하세요.
6. 이상치 제거 전후의 평균을 비교하세요.

조건: 이상치를 탐지할 때 IQR의 1.5배 기준을 사용하세요.

2.  데이터 생성 코드

import pandas as pd

data = {
    '장비ID': [
        'S01', 'S02', 'S03', 'S04', 'S05',
        'S06', 'S07', 'S08', 'S09', 'S10'
    ],
    '처리시간': [
        48, 52, 49, 51, 50,
        47, 53, 52, 49, 200
    ]
}

df = pd.DataFrame(data)

print(df)

3. 핵심 개념: IQR이란?

IQR은 Interquartile Range의 약자로, 데이터의 가운데 50%가 분포하는 범위를 의미합니다.

4. 이상치 판단 기준

일반적으로 다음 범위를 벗어나면 이상치 후보로 판단합니다.

실제 값을 대입하면 다음과 같습니다.

5. 힌트 

사분위수 계산

q1 = df['처리시간'].quantile(0.25)
q3 = df['처리시간'].quantile(0.75)

이상치 판단

lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr

이상치 선택

outliers = df.loc[
    (df['처리시간'] < lower) |
    (df['처리시간'] > upper)
]

6. 예상 출력 결과 

=== IQR 분석 결과 ===
Q1: 49.00
Q3: 52.00
IQR: 3.00
하한값: 44.50
상한값: 56.50

=== 이상치 데이터 ===
장비ID  처리시간
 S10   200

=== 평균 비교 ===
전체 평균: 65.10초
이상치 제외 평균: 50.11초
평균 차이: 14.99초