在数据清洗过程中，确定哪些数据是异常值通常涉及以下几种方法：
统计分析：常用的方法包括计算数据的平均值和标准差，然后使用3σ准则（即三个标准差原则），认为数据点在均值的±3个标准差范围内为正常值，超出这个范围的点可能是异常值。例如，如果一个数据集服从正态分布，那么约99.7%的数据点应该落在均值的±3σ范围内，超出这个范围的点可以视为异常值 。
箱线图（Boxplot）：箱线图是一种非常直观的图形化方法，用于识别数据中的异常值。箱线图通过四分位数来展示数据的分布，通常位于箱形图外的点被认为是异常值 。
Z-Score方法：Z-Score表示的是一个数据点距离数据集平均值的标准差数目。一般情况下，Z-Score的阈值设为3（或根据具体情况调整），超过这个阈值的数据点被认为是异常值 。
IQR法（四分位距法）：通过计算数据的第一四分位数（Q1）和第三四分位数（Q3），然后计算四分位距（IQR = Q3 - Q1）。通常认为，小于 Q1 - 1.5 IQR 或大于 Q3 + 1.5 IQR 的数据点是异常值 。
可视化技术：除了箱线图，还可以使用直方图、散点图等可视化工具来辅助识别异常值。这些图表可以帮助我们直观地看到数据的分布情况，从而更容易地发现异常值 。
领域知识：在某些情况下，异常值的确定也需要依赖于对数据背景和领域的深入理解。例如，在特定行业或研究领域中，可能会有基于专业知识的异常值识别标准 。
自动化异常值检测算法：如DBSCAN聚类、孤立森林（Isolation Forest）、One-Class SVM等机器学习算法也可以用来检测异常值 。
在确定异常值时，应该综合考虑数据的分布特性、数据的业务背景以及异常值可能带来的影响。有时候，异常值可能代表了重要的、有价值的信息，因此在处理异常值时应该谨慎，避免丢失重要数据。在处理异常值之后，通常需要对数据进行后续的分析，以验证处理的效果和数据的质量 。
