Para reiterar, seria possível usarmos outras funções prontas de escalonamento de dados como a MinMaxScaler(). Mas ao usá-la, os valores acima de padronização constam como infinitos quando fazemos a transformação citada.
Então, quando fazemos a conversão diretamente, os valores permanecem floats, o que simplifica a identificação do que realmente é um outlier e o que não é.
Não sei se entendi bem a que exatamente se refere esses valores acima da padronização. Na minha versão, quando transformo valores fora da faixa de alcance dos meus dados o MinMaxScaler apenas devolve um valor fora do range que escolhi para fazer a transformação. Por exemplo, se reescalei meus dados que tinham um range entre 0 e 50 para ficarem entre 0 e 1, quando transformo um 55 ele vai resultar num valor um pouco maior do que 1, do tipo float do numpy no caso.
