数据清洗

数据清洗和处理，包括缺失值填充、异常值分析、筛选所需时间区间、按周期汇总数据、日期变量的派生等。

此案例，数据表中存在 2 个问题：

• • • 日期字段是字符型，需要将此字段转换成日期型数据。
    • 个别数据时间过早，对预测的数据指导意义不大，需要对数据筛选。

下面就根据案例介绍数据准备常用的节点和方法。转换日期数据的字段类型（如下图）：

• 数据准备节点中选择类型转换，并拖拽至工作流中，连接输入输出箭头
• 右键配置，选择字符串到期

同样的方法，建立时间选择节点，选择 85 年-95 年数据。

数据清洗的工作基本完成。但是在数据进行建模之前，还需要指定模型预测所需要的时间区间。