python numpy 二维数组 去掉离群点

要去掉二维数组中的离群点，可以使用numpy库中的统计函数来计算数据的均值和标准差，然后用这两个值来确定离群点的阈值，再将大于阈值的数据点删除。

以下是一个示例代码，用于演示如何使用numpy库来去掉二维数组中的离群点：

import numpy as np

# 生成一个随机的二维数组
data = np.random.normal(loc=0.0, scale=1.0, size=(100, 2))

# 计算数据的均值和标准差
mean = np.mean(data, axis=0)
std = np.std(data, axis=0)

# 设置阈值为均值加减标准差的三倍
threshold = 3 * std

# 将大于阈值的数据点删除
data_filtered = data[abs(data - mean) < threshold]

# 打印结果
print("原始数据：")
print(data)
print("筛选后的数据：")
print(data_filtered)

在这个示例代码中，首先我们使用numpy库中的random模块生成了一个随机的二维数组。然后我们使用mean和std函数计算数据的均值和标准差，并根据这两个值来确定阈值。最后，我们使用布尔索引（Boolean indexing）来将大于阈值的数据点删除，并输出结果。