Расчет выброса в методе series_outlier

Я хочу реализовать метод series_outlier в Python и использовал следующий код

import pandas as pd
import numpy as np
from scipy.stats import norm

# Load the data into a DataFrame
data = {
    'series': [67.95675, 58.63898, 33.59188, 4906.018, 5.372538, 702.1194, 0.037261, 11161.05, 1.403496, 100.116]
     }
  df = pd.DataFrame(data)

  # Function to calculate the outlier score based on custom percentiles
def custom_percentile_outliers(series, p_low=10, p_high=90):
   # Calculate custom percentiles
   percentile_low = np.percentile(series, p_low)
    percentile_high = np.percentile(series, p_high)

    # Calculate Z-scores for the percentiles assuming normal distribution
    z_low = norm.ppf(p_low / 100)
z_high = norm.ppf(p_high / 100)

# Calculate normalization factor
normalization_factor = (2 * z_high - z_low) / (2 * z_high - 2.704)

# Calculate outliers score
return series.apply(lambda x: (x - percentile_high) / (percentile_high - percentile_low) * normalization_factor
                   if x > percentile_high else ((x - percentile_low) / (percentile_high - percentile_low) * normalization_factor
                   if x < percentile_low else 0))

 # Apply the custom percentile outlier scoring function
 df['outliers'] = custom_percentile_outliers(df['series'], p_low=10, p_high=90)

# Display the DataFrame with outliers
 print(df)

И получаем следующие результаты для серии

     series   outliers

0 67,956750 0,000000 1 58,638980 0,000000 2 33,591880 0,000000 3 4906,018000 0,000000 4 5,372538 0,000000 5 702,119400 0,000000 6 0,037261 0,006067 7 11161.050000 -27.776847 8 1,403496 0,000000 9 100,116000 0,000000

Хотя с помощью функции series_outlier я получаю следующие результаты:

Я сослался на статью на github https://github.com/microsoft/Kusto-Query-Language/issues/136 а также попробовал реализовать и рассчитать вручную с помощью решения, приведенного в stackoverflow - Как Kusto series_outliers () рассчитать оценки аномалий?

Вероятно, я ошибаюсь при расчете показателя нормализации. Было бы здорово, если кто-то может помочь