第三章 数据探索与可视化：交易金额与时间分布

数据拿到手，别急着建模。我个人的习惯是，先花半小时做探索性分析。这一步看似简单，但能帮你避开很多坑。说白了，就是先跟数据「混个脸熟」。

本章我们聚焦两个核心维度：交易金额和交易时间。异常交易往往在这两个维度上露出马脚。

3.1 用Pandas快速概览数据

先加载数据，看看整体面貌。我一般用这几行代码起手：

import pandas as pd
import numpy as np

# 加载交易数据
df = pd.read_csv('transaction_data.csv')

# 快速概览
print(df.head())
print(df.info())
print(df.describe())

head() 看前5行，确认字段名和数据类型。info() 检查缺失值和内存占用。describe() 看数值列的统计分布。

我曾经接手过一个项目，数据有500万行，直接 head() 没问题，但 describe() 跑了快两分钟。后来发现是金额字段被读成了字符串，内部做了类型转换。嗯，这里要注意——数据类型不对，后续所有统计都会出问题。

3.2 交易金额分布：直方图与箱线图

交易金额的分布，能直接反映是否存在极端值。正常交易金额通常集中在某个区间，而异常交易往往金额特别大或特别小。

3.2.1 绘制直方图

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(10, 6))
sns.histplot(df['amount'], bins=50, kde=True)
plt.title('交易金额分布直方图')
plt.xlabel('交易金额')
plt.ylabel('频次')
plt.show()

为什么用 kde=True？因为核密度估计曲线能帮你看出分布的「形状」。如果曲线在右侧拖了一个长长的尾巴，那大概率存在高额异常交易。

3.2.2 箱线图看异常值

plt.figure(figsize=(8, 4))
sns.boxplot(x=df['amount'])
plt.title('交易金额箱线图')
plt.show()

箱线图的好处是，它用四分位数和IQR（四分位距）来定义异常值。超出上下须的点，就是潜在的异常交易。我个人习惯把箱线图和直方图放在一起看，互相印证。

3.3 交易时间分布：时序与周期

交易时间能揭示行为模式。正常用户有作息规律，而异常交易往往发生在「不该出现」的时间段。

3.3.1 按小时统计交易量

# 假设时间字段是 'timestamp'
df['hour'] = pd.to_datetime(df['timestamp']).dt.hour

hourly_counts = df.groupby('hour').size()

plt.figure(figsize=(12, 5))
sns.barplot(x=hourly_counts.index, y=hourly_counts.values)
plt.title('各小时交易量分布')
plt.xlabel('小时')
plt.ylabel('交易笔数')
plt.show()

你想想看，凌晨3点突然出现大量交易，这正常吗？大概率是机器在刷单。我见过一个案例，某平台凌晨2点到5点的交易量占全天40%，后来一查，全是薅羊毛的脚本在跑。

3.3.2 按星期几统计

df['weekday'] = pd.to_datetime(df['timestamp']).dt.weekday

weekday_counts = df.groupby('weekday').size()

plt.figure(figsize=(10, 5))
sns.barplot(x=weekday_counts.index, y=weekday_counts.values)
plt.title('各星期交易量分布')
plt.xlabel('星期（0=周一）')
plt.ylabel('交易笔数')
plt.show()

正常交易在工作日和周末会有明显差异。如果某个星期几的交易量突然暴增，或者周末交易量比工作日还高，那就要警惕了。

3.4 核心逻辑：数据探索的流程

下面这张图，是我做数据探索时常用的流程。你可以把它当作一个检查清单：

3.5 实战：综合可视化

把金额和时间结合起来看，效果更好。比如，按小时统计平均交易金额：

hourly_amount = df.groupby('hour')['amount'].mean()

plt.figure(figsize=(12, 5))
sns.lineplot(x=hourly_amount.index, y=hourly_amount.values, marker='o')
plt.title('各小时平均交易金额')
plt.xlabel('小时')
plt.ylabel('平均金额')
plt.grid(True, alpha=0.3)
plt.show()

如果某个小时的平均金额突然飙升，那很可能有异常交易混入。我记得有一次，发现凌晨4点的平均金额是白天的5倍，后来查出来是某个商户在批量刷大额交易。

3.6 本章小结

数据探索不是走过场。它帮你回答三个问题：

• 数据长什么样？——分布、范围、缺失情况
• 哪里可能有问题？——异常值、离群点、时间模式
• 下一步该做什么？——特征工程、数据清洗、模型选择

做完这一步，你心里就有底了。接下来，我们才能放心地进入特征工程环节。

好了，数据探索就到这里。记住，好的模型，始于对数据的深刻理解。

---

公众号:蓝海资料掘金营，微信deep3321