Outly es una librería ligera para la detección rápida de valores atípicos (outliers) en Python. Utiliza dos métodos estadísticos sencillos: el Z-score y el rango intercuartílico (IQR). Su objetivo es ofrecer una solución minimalista para filtrar o reemplazar outliers en conjuntos de datos sin depender de herramientas de gran tamaño o complejidad.

¿Qué es un outlier?

Un outlier es un valor que se aleja significativamente de la tendencia general de los datos. Detectar y manejar outliers es fundamental en el análisis de datos, ya que pueden distorsionar la interpretación de los resultados.

Métodos implementados en Outly

1. Z-score:

   • Concepto:

     Calcula cuántas desviaciones estándar se aleja un dato de la media.

   • Fórmula:

     Z=(x−μ)σZ = \frac{(x - \mu)}{\sigma}Z=σ(x−μ)

   • Detección:

     Se marca como outlier si el valor absoluto del Z-score es mayor que un umbral (por defecto, 3.0).

   • Clase: ZScoreDetector

2. Interquartile Range (IQR):

   • Concepto:

     Utiliza el rango intercuartílico, que es la diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1), para identificar valores que se salen de los límites naturales de la distribución.

   • Detección:

     Un dato se considera outlier si es menor que Q1−k×IQRQ1 - k \times IQRQ1−k×IQR o mayor que Q3+k×IQRQ3 + k \times IQRQ3+k×IQR, donde kkk es un factor (por defecto, 1.5).

   • Clase: IQRDetector

Componentes de Outly

1. Detectores

ZScoreDetector (outly/detectors.py)

• Descripción:

  Detecta outliers basados en Z-score.

• Uso:

  • __init__(threshold=3.0): Inicializa con un umbral (por defecto, 3.0).
  • fit(data): Calcula la media y la desviación estándar del conjunto de datos.
  • predict(data): Retorna un array de booleanos indicando qué valores son outliers.
  • fit_predict(data): Realiza ambas operaciones en un solo paso.

IQRDetector (outly/detectors.py)

• Descripción:

  Detecta outliers basados en el rango intercuartílico (IQR).

• Uso:

  • __init__(k=1.5): Inicializa con un factor multiplicador kkk (por defecto, 1.5).
  • fit(data): Calcula Q1, Q3 e IQR.
  • predict(data): Retorna un array de booleanos indicando qué valores son outliers.
  • fit_predict(data): Combina ajuste y predicción.

2. Funciones de utilidad

filter_outliers (outly/utils.py)

• Descripción:

  Filtra y devuelve únicamente los valores que no son outliers, según una máscara booleana.