如果数据不是正态分布，能用3sigma原则剔除异常值吗？

如果不是正态分布，3$\sigma$原则不一定适用，但是如果是近似正态分布，应该问题不大。

如果不知道数据分布，可以用中位数+3IQR的方法。也可以用box-cox把数据转成近似正态分布，然后再用3$\sigma$的方法。

具体分析。3sigma的原理是正态分布时，3sigma能覆盖超过99%的数据。对于别的分布，3sigma的覆盖率会变化。比如log-normal这类的长尾分布，3sigma方法会把太多数据分类为异常。

你可以做实验，比如对N个数据算3sigma，再看异常个数是否能接受。

如果数据不是正态分布，直接用3sigma，后果可能是你删除了太多数据，也可能你什么数据都删不掉。

我觉得最重要的是要结合业务逻辑，如果符合业务逻辑，即使是超出这个范围的数值也不一定非要剔除。