在Python中，可以使用以下方法来去除一组数据中的异常数据：
1. 使用条件语句过滤数据：通过设置条件语句来判断数据是否异常，然后将正常数据筛选出来。例如，如果要去除大于某个阈值的异常数据，可以使用以下代码：
```python
data = [1, 2, 3, 4, 5, 100, 6, 7, 8, 200]
threshold = 10
cleaned_data = [x for x in data if x <= threshold]
```
2. 使用统计方法过滤数据：通过计算数据的统计特征（例如平均值、标准差等）来判断数据是否异常，然后将正常数据筛选出来。例如，如果要去除与平均值相差较大的异常数据，可以使用以下代码：
```python
import numpy as np
data = [1, 2, 3, 4, 5, 100, 6, 7, 8, 200]
mean = np.mean(data)
std = np.std(data)
threshold = 2.0
cleaned_data = [x for x in data if abs(x - mean) <= threshold * std]
```
3. 使用异常值检测算法：使用专门的异常值检测算法（例如箱线图、离群点检测等）来识别和去除异常数据。例如，可以使用scipy库中的`scipy.stats.zscore`函数进行标准化，并将标准化后的数据与给定的阈值进行比较，将超过阈值的数据视为异常数据。以下是示例代码：
```python
from scipy import stats
data = [1, 2, 3, 4, 5, 100, 6, 7, 8, 200]
threshold = 2.0
z_scores = stats.zscore(data)
cleaned_data = [x for x, z in zip(data, z_scores) if abs(z) <= threshold]
```
根据具体需求和数据特点，选择适合的方法来去除异常数据。
