4、探索性数据分析（EDA）：描述性统计与可视化

各位同学，欢迎来到资金流预测模型的第一章实战内容。今天咱们聊聊EDA——探索性数据分析。说白了，就是拿到数据后，先别急着建模，得先跟数据“聊聊天”，摸摸它的脾气秉性。

我个人习惯，拿到任何资金流数据，第一件事不是跑模型，而是做描述性统计和可视化。为什么？因为数据不会骗人，但脏数据会。我见过太多人上来就调参，结果模型跑出来一塌糊涂，回头一看，原来是数据里有几个异常值在捣乱。

4.1 描述性统计：均值、中位数、标准差

描述性统计，就是给数据“量体温”。我们最常用的三个指标：均值、中位数、标准差。

• 均值（Mean）：所有数据加起来除以个数。它很敏感，一个极端值就能把它拉偏。
• 中位数（Median）：排序后中间那个数。它很稳健，极端值对它影响不大。
• 标准差（Std）：衡量数据波动大小。标准差越大，数据越“散”。

我在项目中遇到过这样的情况：某月资金流均值突然飙升，团队以为是业务爆发了。结果一查中位数，纹丝不动。再一查，原来是某笔大额异常交易。你看，光看均值会误判，中位数才是“老实人”。

下面是一个简单的Python代码示例，计算资金流数据的描述性统计：

import pandas as pd
import numpy as np

# 假设df是资金流数据，'amount'是金额列
df = pd.read_csv('cash_flow.csv')

mean_val = df['amount'].mean()
median_val = df['amount'].median()
std_val = df['amount'].std()

print(f"均值: {mean_val:.2f}")
print(f"中位数: {median_val:.2f}")
print(f"标准差: {std_val:.2f}")

# 快速判断数据分布
if mean_val > median_val * 1.5:
    print("警告：数据右偏严重，可能存在大额异常值")

4.2 可视化：折线图、柱状图、箱线图

光看数字不够直观，得画图。我常用的三种图：

• 折线图：看趋势。资金流随时间怎么变化？是上升、下降，还是周期性波动？
• 柱状图：看分布。哪个月份资金流最多？哪个季度最紧张？
• 箱线图：看异常。哪些数据点离群？有没有需要处理的极端值？

嗯，这里要注意：折线图适合连续时间序列，柱状图适合分类对比。别搞混了。

我曾经犯过一个低级错误：用折线图展示月度汇总数据，结果因为月份之间没有连续性，折线图看起来像锯齿，完全看不出规律。后来换成柱状图，一目了然。

import matplotlib.pyplot as plt
import seaborn as sns

# 折线图：查看资金流随时间趋势
plt.figure(figsize=(12, 5))
plt.plot(df['date'], df['amount'], marker='o', linestyle='-', color='#4A90D9')
plt.title('资金流时间序列趋势')
plt.xlabel('日期')
plt.ylabel('金额')
plt.xticks(rotation=45)
plt.grid(True, alpha=0.3)
plt.show()

# 箱线图：查看异常值
plt.figure(figsize=(8, 5))
sns.boxplot(y=df['amount'], color='#E74C3C')
plt.title('资金流箱线图 - 异常值检测')
plt.ylabel('金额')
plt.show()

4.3 季节性模式识别

资金流数据，十有八九有季节性。比如零售行业，年底是旺季；旅游行业，暑假是高峰。识别季节性，能帮我们做更准的预测。

怎么识别？我一般用两种方法：

1. 按月份/季度聚合：计算每个月的平均资金流，看看有没有重复的“峰”和“谷”。
2. 自相关图（ACF）：看数据与自身滞后期的相关性。如果滞后12个月（年周期）相关性高，说明有年度季节性。

# 按月份聚合，查看季节性
df['month'] = pd.to_datetime(df['date']).dt.month
monthly_avg = df.groupby('month')['amount'].mean()

plt.figure(figsize=(10, 5))
plt.bar(monthly_avg.index, monthly_avg.values, color='#2ECC71')
plt.title('月度平均资金流 - 季节性模式')
plt.xlabel('月份')
plt.ylabel('平均金额')
plt.xticks(range(1, 13))
plt.show()

4.4 趋势分析

趋势，就是长期方向。资金流是整体在增长，还是在萎缩？这个判断直接影响业务决策。

我常用的趋势分析方法：

• 移动平均：平滑短期波动，看清长期方向。比如用12个月移动平均。
• 线性回归：拟合一条直线，看斜率是正还是负。

你想想看，如果资金流趋势是下降的，你还按增长去备货，那不是找死吗？所以趋势分析必须做。

# 计算12个月移动平均
df['rolling_mean'] = df['amount'].rolling(window=12).mean()

plt.figure(figsize=(12, 5))
plt.plot(df['date'], df['amount'], alpha=0.5, label='原始数据')
plt.plot(df['date'], df['rolling_mean'], color='red', linewidth=2, label='12个月移动平均')
plt.title('资金流趋势分析 - 移动平均')
plt.xlabel('日期')
plt.ylabel('金额')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

4.5 本章知识体系

下面这张图，是我自己总结的EDA核心逻辑。你把它记在心里，以后做任何资金流分析，按这个流程走，基本不会漏东西。

好了，这一章的内容就到这里。记住，EDA是建模的基石，地基不牢，楼盖得再高也得塌。下一章，我们会聊数据预处理——怎么清洗数据、处理缺失值和异常值。到时候见。

---