数据清洗

📚 深度解析：数据清洗

💡 常见使用场景

• 在「数据清洗」场景先统一输入单位与口径，先做基准算例，再做边界场景核验，避免把输出误读为模型差异。
• 建议固定关键变量并逐步调整其余输入，观察输出变化方向，快速定位异常源。
• 常见场景：数据清洗

❓ 常见问题（FAQ）

数据清洗 可直接用于正式报告吗？

适合用于快速核对和教学演示；正式报告建议补充数据来源、口径定义、边界条件与审核责任链。

值跳变或异常偏差怎么办？

先核查输入是否超出定义域、单位是否混用、以及参数是否按同一计算版本口径输入。