批量做特征清洗和编码

示例：特征清洗交付（示意数据） 【清洗后特征宽表】 主键 | 年龄 | 月收入_清洗 | 城市_分箱 | 渠道_独热_线上 | 渠道_独热_线下 | 缺失标记_月收入 U0001 | 34 | 12800 | 一线 | 1 | 0 | 0 U0002 | 27 | 9500 | 二线 | 0 | 1 | 1 U0003 | 45 | 21000 | 一线 | 1 | 0 | 0 U0004 | 31 | 10200 | 三线 | 0 | 1 | 0 【特征字典】 字段 | 原始字段 | 类型 | 处理规则 | 缺失率 | 异常值占比 | 取值说明 年龄 | age | 数值 | 缺失中位数填充，3σ截尾 | 3.2% | 0.8% | 18–70 岁 月收入_清洗 | income | 数值 | 缺失中位数填充并加缺失标记 | 12.5% | 1.6% | 单位：元 城市_分箱 | city | 类别 | 按一线/二线/三线合并 | 0.0% | — | 三档 渠道_独热_线上 | channel | 类别 | 独热编码，保留全部类别 | 0.0% | — | 0/1 【处理步骤说明】 1. 读取宽表共 8 个字段，按主键去重后 12,340 行。 2. 计算各字段缺失率：月收入 12.5% 最高；数值字段用中位数填充，并新增缺失标记列。 3. 异常值按 3σ 判定，年龄和收入分别截尾，截尾比例记录在字典中。 4. 城市按业务档位合并为三档；渠道做独热编码，保留全部类别避免丢信息。 5. 数值字段做 min-max 归一化，范围写入字典；输出清洗后宽表与字典逐一对应。 6. 结论：本批规则可复现，填充和异常阈值需业务方确认后使用。