Python in Excel für die DatenanalyseAusreißer erkennen und analysieren
- Warum das Erkennen von Ausreißern im Datensatz wichtig ist
- Datensatz laden und vorbereiten
- Was ist ein Ausreißer?
- Erste Analyse mit describe()
- Boxplot zur Ausreißeranalyse
- Verteilung besser verstehen – Histogramm hinzufügen
- Quartile berechnen
- Interquartilsabstand (IQR)
- Grenzen für Ausreißer berechnen
- Ausreißer mit dem Z-Score erkennen
- MAD-Methode – Median Absolute Deviation
- Wann welche Methode nutzen?
- Ausreißer identifizieren
- Anzahl der Ausreißer bestimmen
- Ausreißer markieren, statt sofort zu löschen
- Ausreißer entfernen
- Fazit
Warum das Erkennen von Ausreißern im Datensatz wichtig ist
In nahezu jedem Datensatz gibt es Werte, die deutlich vom normalen Muster abweichen. Diese sogenannten Ausreißer können:
- Datenfehler sein,
- außergewöhnliche Geschäftsvorfälle darstellen,
- auf Probleme hinweisen oder
- wichtige Erkenntnisse liefern.
Typische Beispiele:
- ungewöhnlich hohe Umsätze
- extrem hohe Verkaufszahlen
- fehlerhafte Preise
- doppelte Buchungen
Gerade im Controlling und Reporting ist es wichtig, solche Werte frühzeitig zu erkennen.
