24年MathorCup大数据一等奖金奖作品 - 数据的预处理.pdfVIP

1数据的预处理

1.1样本数据的处理

本研究主要内容为物流网络分拣中心货量预测及人员排班数据的探索与处理。本

文附件1-4提供了57个分拣中心，每个分拣中心过去4个月的每天及每小时货量，共

计33281条供货量数据，包括分拣中心货量和分拣中心对接下一个分拣中心的货量。

提取时发现原始数据集存在较多缺失值，同时还发现部分缺失每天及每小时的货

量信息，因此，本小节先对移动用户数据集进行探索，对类别型特征、数值型特征及

其缺失值分析，根据不同的情况采用分箱、特殊插值等方法处理，对分类变量进行编

码，并对数据进行替补缺失值处理，以此提高后续算法求解的速度以及模型的泛化能

力。处理后的数据分别进行分类识别并预测其效果，选择本文最终的采样数据。

1.1.1数据描述性统计

在进行数据预处理的深入探索之前，首先对原始数据附件1-2的结构进行了细致的

数据透视分析。这一分析涵盖了从2023年8月1日至2023年11月30日的四个月时间

跨度，针对57个分拣中心的货量进行了详尽的汇总。通过这一过程得到了一份详尽的

数据如表2所示。

表1：57分拣中心货量汇总

8月9月10月11月

分拣中心

平均货量总和货量平均货量总和货量平均货量总和货量平均货量总和货量

SC1357571108468428761286275422391309424580571741711

SC10216836721702671680147631728983554449861349586

SC123845119183387011609548271496416729201884

SC14167551938153345996131040618144243269

SC153918121465399911997440421253094459133758

SC161848573012968890332424751443436103074

SC1716998526943205586167371808856071322658679732

SC185802179858639219176858721820358297248902

•••••••••••••••••••••••••••

SC54892127655310575317245993830807812758382728

SC632154667712082624712766857333769113065

SC6690728127952285587172222681124334

SC68113235106122236659138242828173452030

通过对比每个月的货量数据，我们可以观察到一个显著的线性增长趋势。这一趋

势不仅表明了物流需求的稳步增长，而且还反映出每个月的总货量同比去年增长了超

过23%。这种持续的增长表明了市场对物流服务的强烈需求，并且这种需求在逐月增

加。这一现象对于物流行业来说是一个积极的信号，因为它预示着行业的繁荣和对经

济活力的促进作用。

1