训练集与测试集的变换（II）
与在训练集和测试集上应用同一标准化器类似，如果您在训练集中移除了异常值，通常也需要在测试集中进行相同的处理。再次强调，您应确保仅使用"基于训练集计算得到的阈值"来从测试集中移除异常值。
与上一个练习类似，我们将 so_numeric_df DataFrame 拆分为训练集（so_train_numeric）和测试集（so_test_numeric）。
本练习是课程的一部分
Python 中的机器学习特征工程
练习说明
- 计算
ConvertedSalary列的标准差和均值。 - 在均值的上下各三个标准差处计算上界和下界。
- 截取
so_test_numericDataFrame，仅保留ConvertedSalary介于下界与上界之间的所有行。
交互式实操练习
通过完成这段示例代码来试试这个练习。
train_std = so_train_numeric['ConvertedSalary'].____
train_mean = so_train_numeric['ConvertedSalary'].____
cut_off = train_std * 3
train_lower, train_upper = ____, train_mean + cut_off
# Trim the test DataFrame
trimmed_df = so_test_numeric[(so_test_numeric['ConvertedSalary'] < ____) \
& (so_test_numeric['ConvertedSalary'] > ____)]