AI+Python數(shù)據(jù)采集與清洗CONTENTS目錄01

課程學(xué)習(xí)目標(biāo)02

數(shù)據(jù)采集概述03

通過(guò)數(shù)據(jù)接口采集數(shù)據(jù)04

通過(guò)網(wǎng)絡(luò)爬蟲(chóng)采集數(shù)據(jù)05

數(shù)據(jù)清洗概述CONTENTS目錄06

缺失值處理07

重復(fù)值處理08

異常值處理09

AI+Python財(cái)務(wù)應(yīng)用拓展課程學(xué)習(xí)目標(biāo)01知識(shí)目標(biāo)數(shù)據(jù)接口獲取數(shù)據(jù)方法

掌握利用數(shù)據(jù)接口獲取數(shù)據(jù)的操作方法，包括了解接口規(guī)則、使用示范代碼及通過(guò)循環(huán)獲取不同維度數(shù)據(jù)，如證券寶query_growth_data()接口獲取上市公司季頻成長(zhǎng)能力數(shù)據(jù)。網(wǎng)絡(luò)爬蟲(chóng)概念與操作

了解網(wǎng)絡(luò)爬蟲(chóng)概念，即按規(guī)則自動(dòng)抓取網(wǎng)絡(luò)數(shù)據(jù)的程序或腳本，掌握其爬取數(shù)據(jù)的操作方法，包括基本原理、工作流程及靜態(tài)頁(yè)面爬取，如利用pd.read_html()函數(shù)爬取IMF數(shù)據(jù)。AI+Python業(yè)務(wù)邏輯理解

理解AI+Python進(jìn)行數(shù)據(jù)采集和清洗的業(yè)務(wù)邏輯，包括人機(jī)協(xié)同開(kāi)發(fā)模式（AI生成代碼模板、可視化工具檢查結(jié)果），以及數(shù)據(jù)采集質(zhì)量要求（真實(shí)性、準(zhǔn)確性等）和合規(guī)要點(diǎn)。能力目標(biāo)

外部數(shù)據(jù)采集能力能夠根據(jù)業(yè)務(wù)需求，通過(guò)“AI助手+Python編程”模式，利用數(shù)據(jù)接口（如證券寶、AKShare）、網(wǎng)絡(luò)爬蟲(chóng)等實(shí)現(xiàn)完整的外部數(shù)據(jù)采集，例如分步驟采集農(nóng)業(yè)企業(yè)或深圳證券交易所數(shù)據(jù)并以DataFrame格式輸出。

數(shù)據(jù)清洗加工能力能夠根據(jù)業(yè)務(wù)需求，通過(guò)“AI助手+Python編程”模式，對(duì)缺失值（刪除或填充）、重復(fù)值（檢測(cè)與刪除）、異常值（箱線圖法等識(shí)別與處理）進(jìn)行清洗和初步加工，提升數(shù)據(jù)質(zhì)量。素養(yǎng)目標(biāo)數(shù)字素養(yǎng)與隱私保護(hù)提升數(shù)字素養(yǎng)，注重在數(shù)據(jù)采集與處理過(guò)程中保護(hù)數(shù)據(jù)隱私，嚴(yán)格遵守《中華人民共和國(guó)數(shù)據(jù)安全法》等法律法規(guī)，尊重知識(shí)產(chǎn)權(quán)，避免侵犯他人合法權(quán)益，培養(yǎng)社會(huì)公德和職業(yè)道德。創(chuàng)新與批判性思維通過(guò)修改和迭代數(shù)據(jù)采集與清洗程序，培養(yǎng)創(chuàng)新思維和批判性思維，能夠?qū)I生成的代碼及清洗結(jié)果進(jìn)行合理性檢查，應(yīng)對(duì)AI幻覺(jué)等問(wèn)題。合規(guī)審查與算法偏見(jiàn)防范建立AI數(shù)據(jù)采集的合規(guī)審查意識(shí)，規(guī)范數(shù)據(jù)處理活動(dòng)，履行數(shù)據(jù)安全保護(hù)義務(wù)，同時(shí)防范算法偏見(jiàn)導(dǎo)致的數(shù)據(jù)失真，確保數(shù)據(jù)應(yīng)用的公正性和可靠性。人機(jī)協(xié)同辯證思維培養(yǎng)人機(jī)協(xié)同的辯證思維，平衡自動(dòng)化采集與人工驗(yàn)證的關(guān)系，認(rèn)識(shí)到AI技術(shù)提升效率的同時(shí)，需結(jié)合人工判斷保障數(shù)據(jù)質(zhì)量與合規(guī)性，承擔(dān)社會(huì)責(zé)任。數(shù)據(jù)采集概述02數(shù)據(jù)采集的重要性數(shù)據(jù)生命周期的起點(diǎn)數(shù)據(jù)采集是數(shù)據(jù)生命周期的首要環(huán)節(jié)，為后續(xù)的數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等提供基礎(chǔ)數(shù)據(jù)支撐，直接影響數(shù)據(jù)應(yīng)用的質(zhì)量和效果。驅(qū)動(dòng)多領(lǐng)域決策與發(fā)展在商業(yè)決策中，高質(zhì)量數(shù)據(jù)助力企業(yè)精準(zhǔn)把握市場(chǎng)動(dòng)態(tài)；科學(xué)研究依賴數(shù)據(jù)推動(dòng)創(chuàng)新發(fā)現(xiàn)；社會(huì)治理通過(guò)數(shù)據(jù)提升管理效率，數(shù)字經(jīng)濟(jì)時(shí)代對(duì)數(shù)據(jù)采集的需求日益迫切。數(shù)據(jù)質(zhì)量的關(guān)鍵保障采集過(guò)程需關(guān)注數(shù)據(jù)的真實(shí)性、準(zhǔn)確性、完整性和時(shí)效性，同時(shí)嚴(yán)格遵守法律法規(guī)，尊重知識(shí)產(chǎn)權(quán)，避免侵犯他人合法權(quán)益，確保數(shù)據(jù)合規(guī)可用。數(shù)據(jù)采集的途徑

數(shù)據(jù)庫(kù)通過(guò)數(shù)據(jù)庫(kù)獲取數(shù)據(jù)需具備訪問(wèn)權(quán)限，基于數(shù)據(jù)安全考量，一般人員較難獲取權(quán)限，受限較多。

數(shù)據(jù)接口數(shù)據(jù)接口提供規(guī)范、完整的數(shù)據(jù)，能減少后期處理工作。如證券寶提供季頻盈利能力、營(yíng)運(yùn)能力等多種接口，可通過(guò)調(diào)整參數(shù)獲取不同上市公司不同時(shí)期數(shù)據(jù)。

網(wǎng)絡(luò)爬蟲(chóng)當(dāng)無(wú)數(shù)據(jù)庫(kù)訪問(wèn)權(quán)限和合適第三方接口時(shí)，網(wǎng)絡(luò)爬蟲(chóng)是可行方式。它按規(guī)則自動(dòng)抓取網(wǎng)頁(yè)內(nèi)容，如投資者爬取財(cái)經(jīng)網(wǎng)站數(shù)據(jù)用于分析，高校就業(yè)辦爬取招聘數(shù)據(jù)指導(dǎo)就業(yè)。

本課程重點(diǎn)因數(shù)據(jù)庫(kù)訪問(wèn)權(quán)限受限，本課程重點(diǎn)講解數(shù)據(jù)接口和網(wǎng)絡(luò)爬蟲(chóng)兩種數(shù)據(jù)采集方法。通過(guò)數(shù)據(jù)接口采集數(shù)據(jù)03數(shù)據(jù)接口規(guī)則了解

證券寶核心數(shù)據(jù)接口功能證券寶提供季頻盈利能力（query_profit_data()）、營(yíng)運(yùn)能力（query_operation_data()）、成長(zhǎng)能力（query_growth_data()）等接口，可查詢企業(yè)財(cái)務(wù)數(shù)據(jù)，如凈資產(chǎn)同比增長(zhǎng)率、凈利潤(rùn)同比增長(zhǎng)率等關(guān)鍵指標(biāo)。

接口說(shuō)明與示范代碼獲取通過(guò)證券寶官網(wǎng)對(duì)應(yīng)接口鏈接（如“季頻成長(zhǎng)能力”），可查看接口參數(shù)描述、算法說(shuō)明及示范代碼。以query_growth_data()為例，參數(shù)包括股票代碼（code）、統(tǒng)計(jì)年份（year）、季度（quarter）等，算法明確各指標(biāo)計(jì)算公式。示范代碼運(yùn)行與分析代碼結(jié)構(gòu)與登錄系統(tǒng)代碼需先安裝baostock模塊（pipinstallbaostock），通過(guò)bs.login()登錄系統(tǒng)，返回error_code和error_msg驗(yàn)證登錄狀態(tài)（示例輸出“l(fā)oginsuccess!”）。數(shù)據(jù)獲取與結(jié)果展示調(diào)用query_growth_data(code='sh.600519',year=2024,quarter=4)獲取貴州茅臺(tái)2024年Q4成長(zhǎng)數(shù)據(jù)，通過(guò)循環(huán)append()存儲(chǔ)結(jié)果，用pandas.DataFrame格式化輸出，包含pubDate（發(fā)布日期）、YOYNI（凈利潤(rùn)同比增長(zhǎng)率）等字段。結(jié)果參數(shù)解析輸出結(jié)果中英文索引可，如“YOYEquity”表示凈資產(chǎn)同比增長(zhǎng)率，計(jì)算公式為（本期凈資產(chǎn)-上年同期凈資產(chǎn)）/上年同期凈資產(chǎn)絕對(duì)值×100%。利用循環(huán)獲取多維度數(shù)據(jù)

01可變參數(shù)調(diào)整方法核心參數(shù)包括股票代碼（sh/sz+6位數(shù)字，如sh.601398）、年份（默認(rèn)當(dāng)年）、季度（1-4，默認(rèn)當(dāng)前季度），通過(guò)修改參數(shù)可定向采集目標(biāo)數(shù)據(jù)。

02嵌套循環(huán)實(shí)現(xiàn)批量采集使用for循環(huán)嵌套遍歷年份和季度，示例代碼獲取sh.600519在2022-2024年各季度成長(zhǎng)數(shù)據(jù)，通過(guò)result_growth輸出多維度時(shí)間序列數(shù)據(jù)，提升采集效率。

03多接口擴(kuò)展應(yīng)用更換接口方法（如query_operation_data()）可采集營(yíng)運(yùn)能力數(shù)據(jù)，保持代碼框架不變，僅需調(diào)整函數(shù)名及對(duì)應(yīng)參數(shù)，實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)的全方位獲取。AI工具輔助數(shù)據(jù)接口采集

AI提示詞設(shè)計(jì)要點(diǎn)提示詞需明確數(shù)據(jù)源（如AKShare）、目標(biāo)（農(nóng)業(yè)企業(yè)數(shù)據(jù)采集）、背景（鄉(xiāng)村振興）、輸出格式（DataFrame）及展示要求（代碼注釋+結(jié)果），示例：“利用AKShare接口，分步驟采集北大荒（600598）2025.7.1-9.30日線數(shù)據(jù)，以DataFrame輸出并注釋”。

騰訊云AI代碼助手輸出示例AI生成代碼包含模塊導(dǎo)入（importakshareasak）、數(shù)據(jù)采集（ak.stock_zh_a_hist()）、結(jié)果處理（daily_()），融入鄉(xiāng)村振興背景描述，并輸出數(shù)據(jù)基本信息及DataFrame格式結(jié)果，減少人工編碼工作量。AI工具輔助數(shù)據(jù)接口采集AI提升采集效率的優(yōu)勢(shì)AI可快速生成標(biāo)準(zhǔn)化代碼模板，自動(dòng)處理接口調(diào)用邏輯（如參數(shù)校驗(yàn)、數(shù)據(jù)格式化），用戶僅需微調(diào)參數(shù)即可適配不同場(chǎng)景，實(shí)現(xiàn)“自然語(yǔ)言指令→代碼→數(shù)據(jù)”的高效轉(zhuǎn)化。通過(guò)網(wǎng)絡(luò)爬蟲(chóng)采集數(shù)據(jù)04網(wǎng)絡(luò)爬蟲(chóng)基本原理與工作流程網(wǎng)絡(luò)爬蟲(chóng)的定義與本質(zhì)網(wǎng)絡(luò)爬蟲(chóng)是按照一定規(guī)則自動(dòng)抓取網(wǎng)絡(luò)數(shù)據(jù)的程序或腳本，其本質(zhì)是自動(dòng)化技術(shù)，可根據(jù)指定URL獲取網(wǎng)頁(yè)中的圖像、文字、視頻、音頻等信息，并保存到本地或數(shù)據(jù)庫(kù)?？蛻舳伺c服務(wù)器交互原理客戶端向服務(wù)器發(fā)送訪問(wèn)請(qǐng)求，服務(wù)器驗(yàn)證請(qǐng)求有效性后發(fā)送響應(yīng)內(nèi)容，客戶端接收并展示內(nèi)容，此為網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)獲取的底層交互邏輯。網(wǎng)絡(luò)爬蟲(chóng)的一般工作流程網(wǎng)絡(luò)爬蟲(chóng)工作流程廣泛應(yīng)用于財(cái)經(jīng)數(shù)據(jù)爬取、招聘信息采集等場(chǎng)景，其流程主要包括發(fā)起請(qǐng)求、接收響應(yīng)、解析內(nèi)容、提取數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)等環(huán)節(jié)。靜態(tài)網(wǎng)頁(yè)數(shù)據(jù)爬取實(shí)例查看數(shù)據(jù)所在網(wǎng)頁(yè)登錄國(guó)際貨幣基金組織官網(wǎng)，進(jìn)入世界經(jīng)濟(jì)數(shù)據(jù)庫(kù)詳情頁(yè)面，確定目標(biāo)數(shù)據(jù)所在位置及網(wǎng)頁(yè)類(lèi)型。分析網(wǎng)頁(yè)結(jié)構(gòu)與數(shù)據(jù)格式通過(guò)瀏覽器右鍵查看網(wǎng)頁(yè)源代碼，判斷該頁(yè)面為靜態(tài)頁(yè)面，數(shù)據(jù)呈表格樣式，適合使用read_html()函數(shù)進(jìn)行爬取。編寫(xiě)代碼獲取特定數(shù)據(jù)利用pd.read_html()函數(shù)讀取網(wǎng)頁(yè)表格數(shù)據(jù)，通過(guò)篩選年份列（如['SubjectDescriptor','2024']），可獲取馬來(lái)西亞2024年國(guó)內(nèi)生產(chǎn)總值、一般政府收入和一般政府總支出等數(shù)據(jù)。多維度數(shù)據(jù)爬取方法

獲取連續(xù)年份數(shù)據(jù)構(gòu)建年份列表（如['SubjectDescriptor']+[str(year)foryearinrange(2020,2025)]），從爬取的表格數(shù)據(jù)中篩選出2020-2024年的連續(xù)數(shù)據(jù)。

獲取不連續(xù)年份數(shù)據(jù)指定所需不連續(xù)年份（如['SubjectDescriptor','2010','2015','2020']），直接從表格數(shù)據(jù)中提取對(duì)應(yīng)年份列，實(shí)現(xiàn)非連續(xù)年份數(shù)據(jù)的精準(zhǔn)獲取。

獲取多個(gè)國(guó)家數(shù)據(jù)修改URL中國(guó)家參數(shù)（如'c=548,112'代表馬來(lái)西亞和英國(guó)），結(jié)合年份篩選（如2020-2024年），可同時(shí)獲取多個(gè)國(guó)家在指定年份的目標(biāo)數(shù)據(jù)。AI工具輔助網(wǎng)絡(luò)爬蟲(chóng)采集

01AI提示詞設(shè)計(jì)向騰訊云AI代碼助手輸入提示詞：“利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)，分步驟完成深圳證券交易所數(shù)據(jù)的采集，以DataFrame格式輸出數(shù)據(jù)采集結(jié)果，并對(duì)代碼注釋和輸出結(jié)果進(jìn)行詳細(xì)展示?！?/p>

02AI生成代碼解析AI輸出代碼包含導(dǎo)入requests、pandas等庫(kù)，設(shè)置請(qǐng)求URL、參數(shù)（如日期范圍）及headers，發(fā)送請(qǐng)求、解析JSON數(shù)據(jù)、處理異常等步驟，并對(duì)“今日融資買(mǎi)入額”“今日融券余額”等列進(jìn)行重命名。

03數(shù)據(jù)采集結(jié)果展示運(yùn)行AI生成的代碼，可獲取深圳證券交易所融資融券數(shù)據(jù)，最終以DataFrame格式輸出，包含“今日融資買(mǎi)入額”“今日融資融券余額”等關(guān)鍵指標(biāo)，便于后續(xù)分析使用。數(shù)據(jù)清洗概述05數(shù)據(jù)清洗的意義

原始數(shù)據(jù)常見(jiàn)問(wèn)題通過(guò)網(wǎng)絡(luò)爬蟲(chóng)等方式采集到的數(shù)據(jù)，常存在缺失值（如NaN表示的不完整屬性值）、重復(fù)值（多由系統(tǒng)錯(cuò)誤或重復(fù)錄入導(dǎo)致）、異常值（偏離數(shù)據(jù)正常范圍的值）等問(wèn)題，影響數(shù)據(jù)質(zhì)量。

數(shù)據(jù)清洗的核心價(jià)值數(shù)據(jù)清洗是將“臟數(shù)據(jù)”轉(zhuǎn)化為“干凈數(shù)據(jù)”的關(guān)鍵步驟，能有效提升數(shù)據(jù)的真實(shí)性、準(zhǔn)確性、完整性和一致性，為后續(xù)數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等工作提供可靠的數(shù)據(jù)基礎(chǔ)，保證分析結(jié)果的準(zhǔn)確性和可信度。數(shù)據(jù)基本信息了解工具

數(shù)據(jù)預(yù)覽工具：head()與tail()head()函數(shù)可查看數(shù)據(jù)的前幾行（默認(rèn)前5行），tail()函數(shù)可查看數(shù)據(jù)的后幾行（默認(rèn)后5行），幫助快速了解數(shù)據(jù)的整體結(jié)構(gòu)、列名及數(shù)據(jù)格式。

數(shù)據(jù)量統(tǒng)計(jì)工具：count()count()函數(shù)用于統(tǒng)計(jì)每列非缺失值的數(shù)量，通過(guò)對(duì)比不同列的count值，可初步判斷數(shù)據(jù)是否存在缺失值，為缺失值處理提供依據(jù)。

數(shù)據(jù)分布描述工具：describe()describe()函數(shù)可生成數(shù)據(jù)的基本統(tǒng)計(jì)量，包括計(jì)數(shù)、均值、標(biāo)準(zhǔn)差、最小值、最大值及四分位數(shù)等，幫助了解數(shù)據(jù)的集中趨勢(shì)、離散程度和分布范圍，為異常值檢測(cè)提供參考。缺失值處理06缺失值查找方法01基礎(chǔ)判斷函數(shù)：isnull()與notnull()isnull()函數(shù)用于檢測(cè)數(shù)據(jù)是否為缺失值（NaN），返回布爾值（True表示缺失）；notnull()函數(shù)則判斷是否為非缺失值（False表示缺失），二者為互補(bǔ)關(guān)系。02統(tǒng)計(jì)每列缺失值數(shù)量通過(guò)df.isnull().sum()可快速計(jì)算各列缺失值總數(shù)，直觀呈現(xiàn)數(shù)據(jù)缺失分布。例如某利潤(rùn)表數(shù)據(jù)中，"凈利潤(rùn)"列缺失值數(shù)量為1，其他列無(wú)缺失。03全局缺失值判斷使用df.isnull().any().any()可判斷數(shù)據(jù)集中是否存在缺失值，返回True則表示存在至少一個(gè)缺失值，便于快速篩查數(shù)據(jù)質(zhì)量。04缺失值位置定位通過(guò)df.isnull()生成布爾矩陣，True對(duì)應(yīng)位置即為缺失值所在行和列，結(jié)合iloc[]可精確定位具體缺失數(shù)據(jù)，輔助分析缺失原因。缺失值處理方式-刪除

適用場(chǎng)景1：缺失值極少當(dāng)缺失值占比極低（如數(shù)萬(wàn)行數(shù)據(jù)中僅1行缺失），對(duì)整體分析影響可忽略時(shí)，直接刪除所在行。

適用場(chǎng)景2：缺失量過(guò)大若某特征列缺失值占比超90%（如"行業(yè)分類(lèi)"列95%為空），該列已無(wú)分析價(jià)值，可刪除整列以簡(jiǎn)化數(shù)據(jù)集，避免無(wú)效計(jì)算。

適用場(chǎng)景3：無(wú)法填充的缺失值對(duì)于不可隨意推斷的屬性（如人口普查中"性別"列缺失），因填充可能引入偏差，需刪除對(duì)應(yīng)行以保證數(shù)據(jù)真實(shí)性。

刪除操作實(shí)現(xiàn)：dropna()方法默認(rèn)df.dropna(axis=0)刪除含缺失值的行，df.dropna(axis=1)刪除含缺失值的列。例如df_cleaned=df.dropna()可刪除缺失數(shù)據(jù)。缺失值處理方式-填充

手動(dòng)填充：指定值替換根據(jù)業(yè)務(wù)規(guī)則直接填充固定值，如用0填充"補(bǔ)貼收入"列的缺失值（df.fillna(0)），適用于明確缺失原因?yàn)?無(wú)該項(xiàng)數(shù)據(jù)"的場(chǎng)景。

臨近填充：前向與后向填充前向填充（df.fillna(method='ffill')）用相鄰前一個(gè)非缺失值填充，后向填充（df.fillna(method='bfill')）用相鄰后一個(gè)非缺失值填充，適用于時(shí)間序列數(shù)據(jù)（如月度銷(xiāo)售額）的零散缺失。

統(tǒng)計(jì)量填充：均值/中位數(shù)填充對(duì)數(shù)值型數(shù)據(jù)，可用列平均值（df.mean()）或中位數(shù)（df.median()）填充，避免數(shù)據(jù)分布偏移。重復(fù)值處理07重復(fù)值檢測(cè)方法完全重復(fù)行檢測(cè)完全重復(fù)行指所有列數(shù)據(jù)均相同的記錄，可通過(guò)df.duplicated()函數(shù)直接檢測(cè)，返回布爾值表示是否重復(fù)，sum()可統(tǒng)計(jì)重復(fù)行數(shù)。指定字段重復(fù)檢測(cè)：以發(fā)票號(hào)為例針對(duì)關(guān)鍵標(biāo)識(shí)字段（如發(fā)票號(hào)），使用df.duplicated(subset=['發(fā)票號(hào)'],keep=False)檢測(cè)重復(fù)，keep=False標(biāo)記所有重復(fù)項(xiàng)。業(yè)務(wù)特征組合重復(fù)檢測(cè)結(jié)合業(yè)務(wù)場(chǎng)景，通過(guò)多字段組合（如日期+交易類(lèi)型+部門(mén)）檢測(cè)潛在重復(fù)，使用df.duplicated(subset=['日期','交易類(lèi)型','部門(mén)'],keep=False)實(shí)現(xiàn)。重復(fù)值處理方法刪除完全重復(fù)行使用df.drop_duplicates()直接刪除所有完全重復(fù)的行，默認(rèn)保留第一條記錄，適用于無(wú)業(yè)務(wù)意義的完全重復(fù)數(shù)據(jù)。按關(guān)鍵字段保留指定記錄針對(duì)指定字段（如發(fā)票號(hào)），通過(guò)subset參數(shù)控制保留規(guī)則：keep='first'保留第一條記錄，keep='last'保留最后一條。重復(fù)記錄標(biāo)記與人工核驗(yàn)使用df[df.duplicated(subset=['發(fā)票號(hào)'],keep=False)]篩選并標(biāo)記所有重復(fù)記錄，便于人工核查區(qū)分合理重復(fù)（如同業(yè)務(wù)多批次）與錯(cuò)誤重復(fù)，需要業(yè)務(wù)人員進(jìn)一步校驗(yàn)處理。異常值處理08異常值識(shí)別方法

異常值的概念與影響異常值指偏離數(shù)據(jù)正常范圍的值，非錯(cuò)誤值但出現(xiàn)概率低，會(huì)顯著扭曲數(shù)據(jù)分析結(jié)果，尤其對(duì)數(shù)值型數(shù)據(jù)預(yù)測(cè)分析產(chǎn)生誤導(dǎo)。

箱線圖法識(shí)別步驟1.計(jì)算四分位數(shù)：下四分位數(shù)