5 数据处理
5.1 缺失值处理
缺失是一种非常常见的数据问题。
5.1.1 查找
缺失值在数据框中的位置
5.1.2 汇总
缺失值的占比、分布情况，可视化获得缺失的结构 VIM
5.1.3 替换
替换数据框中的缺失值
5.1.4 插补
mice Multivariate Imputation by Chained Equations 缺失值插补
5.2 异常值处理
提及异常，一般会联想到数据本身出问题了，比如数据错误。比较常见的情况是业务有异动，导致数据异常波动，需要及时捕捉到这种异常波动，找到异常的原因，进而采取措施。
5.2.1 检测
5.2.2 识别
5.2.3 处理
5.3 离群值处理
离群，并不是数据本身出问题，而是数据隐藏着特殊信息，与平时不一样的情况，与大家伙不一样的情况。比如情人节鲜花和蛋糕的需求量激增，端午节粽子的需求激增，这和平时很不一样。需求数据本身没有问题，如实反应了现实情况。因此，需要根据现实情况，调整预测模型，做出更加准确的需求预测，提前安排供给。