第117章 进组（第一更）
“你的这组数据里，重复值是怎么处理的？”
程风推了推眼镜，偷偷抬头看了看方豫，讷讷的问道。
这是体育生吧？这是体育生吧？这是体育生吧？
体育生都开始建模了吗？
方豫一进门，接近一米九的身高和壮硕的身材就带给程风很大的视觉压力。
等方豫坐下后，程风更是感觉到方豫身上有种若有若无的威圧感，让他有一种在面对导师时的感觉。
方豫只当程风是个书呆子学长，没太在意他的异常。
方豫不知道的是，生命本质的连续提升，让普通人面对方豫时，会产生一些低位生物面对高位生物的畏惧。
现在方豫还只是一个二级法师，等到了更高等级时，这种状况会更加明显。
很多不想放弃人类正常社交生活的奥术法师，就会选择使用类似“温和之力”手环的道具或奥术封印压制住自己的上位者气息。
听到程风的问题，方豫露出思考的表情：“用pandas的duplicated方法返回一个布尔型series，可以识别重复值，然后用drop函数或keep函数删除就好了。”
“如果是特征重复的，就要用corr方法计算特征相似度，用method参数指定肯德尔或斯皮尔曼相关系数。”
听到方豫的回答，程风不由得一愣，这完全出乎他的意料。
虽然程风问的只是一些基础的内容，但能获得如此清晰的回答，也是完全出乎程风自己的意料。
程风仍旧不太敢看方豫，盯着屏幕：“那离群值你又是怎么识别的？我看到你用winsorizing方法调整了离群值，为什么用winsorizing而不是用众数替代或删除？”
方豫又思考了一下：“对于数值型数据，用箱线图和直方图进行识别，当然也可以用describe函数生成的描述信息识别，分类数据，用条形图识别，还有一部分正态分布数据用3σ准则进行识别。”
“至于说处理，因为删除离群值会让样本数显著减少，我又不了解后续算法对离群值是否敏感，用众数替代如果掩盖了数据的变异性可能会对结果产生影响，所以采用winsorizing方法调整了离群值。”
程风看了看方豫，半天没说话。
至少在大二的时候，他肯定是没这个水平的。
别说方豫只是金融学专业，就算是数学专业的，大二时也不过刚刚开始接触一些初级的数据结构和基础编程。最多也就是刚刚开始接触数据清洗和数据操纵的相关内容。
很多人直到大四，甚至到了研究生进组，还没搞明白到底如何评估离群值，说不准估着估着，把正常值都当成离群值清洗了。
而方豫刚刚对这两个基础问题的回答，虽然简练，但很明显已经熟练掌握了清洗数据的相关技能。
更重要的是，他不仅能够区分处理重复值和离群值的不同方法，还能够讨论不同统计方法的适用场景，并提供具体的代码实现。
这可就不是一般学生能掌握的了，除非他早就深度参与过一些数据建模的项目。
伱特么玩我呢吧？你这种学金融学的少爷，把应用数学学这么好干吗？有必要吗？
你们不是应该毕业拼资源去吗？干嘛抢我们这些小镇做题家的饭碗？
而且，你一个金融专业的，是怎么把数学学这么好的？平时不上专业课的吗？
经济学和金融数学是数学和物理专业的自留地你不知道吗？
你也不看看，校内的这些教授，哪个本科不是读的数学和物理？
你一个经济学院的，跟着凑什么经济学的热闹啊。
难道这就是真天才和小镇做题家的差别吗？
不，你们最大的差别是方豫有挂。
“学长？”方豫疑惑的叫了声程风。
刚刚的回答中，技术层面的答案大多数都是柚子通过埃瑟朗之核传递过来的，不过方豫还是往里面补充了一些观点性的东西。
“方豫学弟，我没有……”程风刚说了一半，就听到实验室门口传来一个声音。
“假如后续采用线性回归模型，你准备如何处理这组数据中的离群值和特征相似度？”方豫一回头，就看到童永山正从门口走进来。
而在童永山身后，还有一名身穿旗袍的二十六七岁年轻女子。
女人不算太漂亮，方豫打分的话，长相最多也就能给她打70分。
身材倒是还不错，能有80分。
但这风情，可是90分的水平。
“老师！师姐。”
“院长好。”
程风赶紧从椅子上站起来，向导师问好。