3. 数据探索性分析（EDA）：先看看你的数据长什么样
拿到风机主轴承温度数据之后，我个人的习惯是——先别急着建模。你想想看，数据就像一块原材料，你不先摸摸它的脾气，直接扔进模型里，十有八九要翻车。EDA 这一步，说白了就是跟数据打个照面，看看它干不干净、有没有坑、趋势对不对。
这一章，咱们就一起动手，把数据质量、缺失值、异常值、温度分布和趋势，挨个捋一遍。
3.1 数据质量概览：先扫一眼全局
我一般会用 df.info() 和 df.describe() 快速扫一眼。这两个方法，一个告诉你字段类型和缺失情况，一个告诉你数值分布的基本统计量。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 读取数据
df = pd.read_csv('bearing_temp.csv', parse_dates=['timestamp'])
df.set_index('timestamp', inplace=True)
# 数据概览
print(df.info())
print(df.describe())输出结果里，我最关注三件事：
- 字段类型对不对——时间戳是不是 datetime 类型？数值列是不是 float？
- 非空数量——如果某个字段空值太多，那后面就得小心处理了。
- 数值范围——比如温度最小值 10°C，最大值 120°C，这合理吗？
3.2 缺失值与异常值初步检测
缺失值处理，说白了就两步：先找出来，再决定怎么补。
3.2.1 缺失值检测
# 缺失值统计
missing = df.isnull().sum()
missing_ratio = missing / len(df)
print(pd.DataFrame({'缺失数': missing, '缺失比例': missing_ratio}))如果缺失比例小于 5%，我一般直接填充均值或中位数。如果超过 20%，那就要考虑这个特征是不是还能用了。我曾经处理过一台风机，风速传感器缺失率达到 40%，最后只能放弃这个特征，改用其他相关变量替代。
3.2.2 异常值初步检测
异常值检测，我习惯先用 IQR（四分位距）法快速筛一遍。
def detect_outliers_iqr(data, column):
Q1 = data[column].quantile(0.25)
Q3 = data[column].quantile(0.75)
IQR = Q3 - Q1
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR
outliers = data[(data[column] < lower_bound) | (data[column] > upper_bound)]
return outliers
outliers_temp = detect_outliers_iqr(df, 'bearing_temp')
print(f'主轴承温度异常值数量：{len(outliers_temp)}')3.3 温度分布与趋势可视化
可视化是 EDA 里最直观的一步。我一般会画三张图：分布图、时序趋势图、箱线图。
3.3.1 温度分布直方图
plt.figure(figsize=(10, 5))
sns.histplot(df['bearing_temp'], bins=50, kde=True, color='steelblue')
plt.title('主轴承温度分布')
plt.xlabel('温度 (°C)')
plt.ylabel('频次')
plt.grid(True, alpha=0.3)
plt.show()这张图能告诉你：温度主要集中在哪个区间？是不是双峰分布？如果出现双峰，那很可能对应两种不同的工况（比如低负荷和高负荷）。
3.3.2 时序趋势图
plt.figure(figsize=(14, 5))
plt.plot(df.index, df['bearing_temp'], linewidth=0.5, color='darkorange')
plt.title('主轴承温度时序趋势')
plt.xlabel('时间')
plt.ylabel('温度 (°C)')
plt.grid(True, alpha=0.3)
plt.show()趋势图能看出季节性、周期性，以及有没有突然的尖峰。我记得有一次，趋势图上出现了一个持续 2 小时的温度陡升，后来排查发现是润滑系统故障。这种模式，光靠统计指标是抓不到的。
3.3.3 箱线图看异常
plt.figure(figsize=(8, 4))
sns.boxplot(x=df['bearing_temp'], color='lightcoral')
plt.title('主轴承温度箱线图')
plt.xlabel('温度 (°C)')
plt.show()箱线图能直观显示中位数、四分位距和异常点。如果异常点特别多，那就要考虑是不是数据采集本身有问题。
3.4 知识体系总览
下面这张图，是我自己总结的 EDA 核心逻辑。你可以把它当作一个检查清单，每次做 EDA 时对照着来。
3.5 实战小结
这一章的内容，说白了就是三件事：
- 数据概览——用 info() 和 describe() 快速摸清数据底细。
- 缺失值与异常值——用 isnull() 和 IQR 法初步筛查，但一定要结合业务知识复核。
- 可视化——分布图、趋势图、箱线图，三张图基本能覆盖大部分信息。
嗯，这里要注意一点：EDA 不是一次性工作。你在后续建模过程中，如果发现模型效果不好，很可能要回头重新做 EDA，看看是不是漏掉了什么模式。我自己的经验是，EDA 做得越细，后面踩的坑就越少。