01
供应链数据清洗概述
数据质量问题的来源 · 数据清洗的重要性 · 数据清洗的流程框架
清洗基础框架
02
数据探索与概览
Pandas数据概览 · describe() · info() · 维度与类型检查
PandasEDA
03
缺失值处理（上）
缺失值识别 · 统计 · 可视化 (missingno库)
缺失值可视化
04
缺失值处理（下）
删除 · 均值/中位数/众数填充 · 前向/后向填充 · 插值法
填充插值
05
重复数据处理
完全重复与部分重复 · duplicated() · drop_duplicates() · 业务去重
去重业务逻辑
06
异常值检测与处理（上）
Z-score · IQR · 箱线图应用
统计方法箱线图
07
异常值检测与处理（下）
Isolation Forest · DBSCAN · 截尾/替换/分箱
模型异常处理
08
数据类型转换
字符串转日期/数值 · Label Encoding · One-Hot Encoding
编码类型转换
09
数据标准化与归一化
Min-Max · Z-score · RobustScaler · 供应链应用场景
缩放供应链
10
数据合并与连接
concat() · merge() · join() · 多表关联实战
合并多表
11
数据分组与聚合
groupby() · agg() · transform() · 供应商/品类KPI
分组KPI
12
时间序列数据处理
日期解析 · resample · rolling · 时间特征提取
时间序列重采样
13
供应链特征工程概述
特征工程定义 · 价值 · 与模型性能的关系
特征工程概述
14
数值特征构造
多项式 · 比例 · 差分 · 聚合统计特征
数值特征统计
15
类别特征编码
频数编码 · 目标编码 · WOE编码 · 风险预测
类别编码WOE
16
时间特征构造
历史窗口 · 滞后特征 · 时间差 · 节假日 · 周期性
时间特征滞后
17
文本特征提取
TF-IDF · 词袋模型 · 产品描述/备注特征提取
文本TF-IDF
18
特征选择（上）
过滤法 · 方差阈值 · 相关系数 · 卡方检验 · RFE
过滤法RFE
19
特征选择（下）
Lasso回归 · 树模型重要性 · 供应链预测实战
嵌入法重要性
20
降维技术
PCA · t-SNE · SKU画像等高维应用
降维PCA
21
供应链数据清洗实战（一）
订单数据清洗：缺失地址 · 异常数量 · 重复订单
订单实战
22
供应链数据清洗实战（二）
库存数据清洗：负库存 · 异常周转 · 一致性校验
库存实战
23
供应链数据清洗实战（三）
运输数据清洗：GPS异常 · 时长异常 · 路线重复
运输GPS
24
供应链特征工程实战（一）
需求预测特征：历史销量 · 促销 · 季节性 · 外部因素
需求预测特征
25
供应链特征工程实战（二）
供应商评估：交货准时率 · 质量合格率 · 价格波动率
供应商评估
26
供应链特征工程实战（三）
库存优化：安全库存 · 补货提前期 · 需求波动率 · ABC分类
库存优化ABC
27
供应链特征工程实战（四）
物流路径优化：距离 · 拥堵指数 · 天气 · 运输成本
物流路径
28
自动化特征工程
Featuretools · 深度特征合成(DFS) · 供应链应用
自动化DFS
29
数据清洗与特征工程Pipeline构建
sklearn Pipeline · 自定义Transformer · 端到端流程
Pipeline端到端
30
综合实战案例
从原始数据到模型训练全流程：清洗 · 特征工程 · 训练与评估
全流程实战