異常值是數據中不正常的值，這些值可能是輸入錯誤、記錄錯誤或樣本數據本身的異常。在數據分析和機器學習中，我們需要識別并處理這些異常值，以保證結果的準確性。Python 是一種流行的編程語言，下面介紹 Python 如何識別異常值。

#首先，導入所需的庫
import numpy as np
import pandas as pd
#創建一個數據集
data = {'A': [1, 2, 3, 4, 5],
'B': [10, 20, 30, 40, np.nan],
'C': [100, 200, 300, 400, 500]}
df = pd.DataFrame(data)
#使用 describe() 函數查看數據信息，可以觀察到 B 列存在缺失值
df.describe()
#輸出：
#             A        B           C
#count    5.0     4.000000    5.0
#mean     3.0     25.000000   300.0
#std      1.581139  15.811388   158.113883
#min      1.0     10.000000   100.0
#25%      2.0     17.500000   200.0
#50%      3.0     25.000000   300.0
#75%      4.0     32.500000   400.0
#max      5.0     40.000000   500.0
#使用 isnull() 函數檢查缺失值
df.isnull()
#輸出：
#	  A	    B	       C
#0	False	False	False
#1	False	False	False
#2	False	False	False
#3	False	False	False
#4	False	True	False
#使用 notnull() 函數檢查非缺失值
df.notnull()
#輸出：
#	  A	     B	     C
#0	True	True	True
#1	True	True	True
#2	True	True	True
#3	True	True	True
#4	True	False	True
#使用 dropna() 函數刪除缺失值
df.dropna()
#輸出：
#	A	B	    C
#0	1	10.0	100
#1	2	20.0	200
#2	3	30.0	300
#3	4	40.0	400
#使用 fillna() 函數填充缺失值
df.fillna(method='ffill')
#輸出：
#	A	B	    C
#0	1	10.0	100
#1	2	20.0	200
#2	3	30.0	300
#3	4	40.0	400
#4	5	40.0	500

以上是 Python 識別異常值的基本方法，但在實際應用中，異常值識別仍然是個復雜的問題，需要根據具體情況進行分析和處理。