企业官网建设流程全解析

拿到几百行电池循环数据，你第一步会做什么？

【A】直接画图 📈

【B】先清洗再动手 🧹

【C】先看字段说明 📋

• 本系列第02篇培训教材：带你掌握电池数据工程的第一步—从 CSV 读懂循环测试数据、做清洗、画容量衰减曲线。
• 本文将演示：①用 pandas 读取 CSV 并看懂字段；②处理缺失值与离群点；③计算 SOH 并绘制容量衰减曲线、识别 80% 寿命阈值。
• 代码已在本环境实测运行，附复现环境卡与真实运行验证记录，可离线复现。
• 核心观点："垃圾进，垃圾出"——数据清洗的质量，直接决定后面所有 AI 模型的可靠性。

一、问题的起点：几百行循环数据，怎么下手？

上一篇你搭好了环境。现在面对真实问题：实验给了你几百次循环的放电容量数据，怎么直观看出电池衰减成什么样？

但现实中的原始数据从来不是干净的： - 有缺失值（某天设备断点，容量是空的） - 有离群点（传感器抖动、记录异常，出现离谱数值） - 有噪声（测量本身的随机波动）

如果不管这些直接画图、直接喂给模型，结果是：曲线恶心、模型被带偏。所以数据清洗不是可选项，是必选项。

二、读数据：pandas 一眼看清字段

用上一篇的"隔离环境"，先读入数据并看一眼全貌（.shape、.head()、.info()）：

import pandas as pd df = pd.read_csv('battery_cycle_data.csv') print("形状 shape:", df.shape) # (行数, 列数) print("前5行:\n", df.head()) print("数据类型与缺失:\n", df.info())

数据字段说明（本例为模拟，真实数据字段类似）： -cycle：循环次数（第几次充放电） -capacity_ah：该次循环的放电容量（Ah），体检电池健康的关键指标-voltage_v：电压（V）

📌 真实工程常用NASA 电池老化数据集 / 牛津电池数据集。本篇为保证读者离线也能复现，用固定 seed 生成本地 CSV 演示流程；你完全可把read_csv换成真实数据路径，处理逻辑不变。

三、数据清洗：先治脏数据

这是本篇最值钱的 20 行代码。核心三步：处理缺失 → 处理离群 → 归一化。

import numpy as np df = pd.read_csv('battery_cycle_data.csv') # 1) 缺失值：前向填充（用上一个有效值补）+ 中位数兜底 if df['capacity_ah'].isna().any(): df['capacity_ah'] = df['capacity_ah'].ffill().fillna(df['capacity_ah'].median()) # 2) 离群点：超出 均值±3σ 的替换为中位数（简单稳健，适合教学） cap = df['capacity_ah'].copy() mean, std = cap.mean(), cap.std() mask = (cap < mean - 3*std) | (cap > mean + 3*std) print(f"检测到离群点 {mask.sum()} 个") cap[mask] = cap.median() df['capacity_ah'] = cap # 3) 归一化 SOH：= 当前容量 / 初始最大容量 df['soh'] = df['capacity_ah'] / df['capacity_ah'].max()

为什么这样处理？-缺失用 ffill：容量是连续物理量，用相邻值补比用均值合理。 -离群用 3σ 判定 + 中位数替换：3σ 之外的极值很可能是异常，中位数对离群稳健（不被离群本身拉偏）。 -SOH 归一化：把容量换算成 0~1 的健康度，统一不同电芯的对比尺度。

四、画图：容量衰减曲线 + 80% 寿命线

清洗完就能画能看懂的曲线了—并加上"80% 阈值"这条行业通用寿命红线（当 SOH ≤ 0.8 通常视为退役阈值）：

import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(9,5)) ax.plot(df['cycle'], df['soh'], lw=1.8, color='tab:blue', label='清洗后SOH') ax.axhline(0.8, color='red', ls='--', lw=1, label='80%寿命阈值') ax.set_xlabel('循环次数'); ax.set_ylabel('SOH') ax.set_title('电池容量衰减曲线（清洗后）') ax.legend(); ax.grid(alpha=0.3) fig.tight_layout(); fig.savefig('fig_article02_curve.png', dpi=120)

五、真实运行验证记录

以下为本脚本在测试环境的真实输出：

已生成 data/battery_cycle_data.csv, 行数 400 读取原始数据 shape: (400, 3) 检测到离群点 1 个（1 处） === 运行验证记录 === 清洗后 SOH 最小值: 0.7129 清洗后 SOH 最大值: 1.0 达到80%阈值时的循环次数: 282 清洗后空值数: 0

观察结论： - 400 次循环数据，清洗后无空值、离群点被处理； - SOH 从 1.0 衰减到 0.71，在第 282 个循环跌破 80% 阈值； - 这段"282 次循环到寿"的信息，是后续做 SOH 预测、寿命估计的监督标签——下一篇就教你把它做成可复用函数。

六、环境卡

依赖清单（锁版本）

python==3.13.15 numpy==2.4.6 pandas==3.0.5 matplotlib==3.11.0 jupyter

验证命令与预期

conda activate battery-ai python demo_02.py

预期：几秒跑完无报错，输出含"达到80%阈值时的循环次数: 282"，并生成fig_article02_curve.png。

常见报错自查表

七、练习

1. 改衰减速率：把0.0007改成0.0010，看 80% 阈值提前到第几个循环。
2. 刻意不清洗：注释掉离群点处理，观察曲线出现"毛刺"，理解清洗的必要性。
3. 换真实数据：下载任公开电池数据集，仅改read_csv路径，验证清洗画图流程是否通用。

验收标准：能独立讲出"缺失值/离群点/SOH"各自为什么这样处理；能画出带 80% 阈值的衰减曲线并读出到寿循环数。

八、Q&A

Q1：为什么用 3σ 判离群，会不会误删好数据？A：3σ 是常用经验值，对服从近似正态的容量数据较稳健。若担心误删，可改用分位数法（如 IQR）或先画分布图观察。教学选用 3σ 简单直观。

Q2：缺失值为什么用 ffill 而不是直接删掉那行？A：容量是随时间连续变化的物理量，删行会破坏序列结构的连续性（尤其后续要按顺序训练时序模型），ffill 用相邻值补更合理。

Q3：模拟数据和真实 NASA 数据差别大吗？A：模拟数据信号形态近似、便于离线复现；真实数据有更复杂的非线性衰减、容量回升等现象。本例演示的是通用处理流程，换真实数据逻辑不变。

Q4：SOH 一定要除以最大值吗？A：常见做法是除以额定容量或初始容量。教学用最大值归一化更稳健（避免初值离群影响）。工程上按电池厂商标定为准。

Q5：清洗会影响最终 SOH 预测精度吗？A：会，而且影响很大。脏数据会污染特征和标签。清洗得当通常能明显提升模型稳定性和可复现性。

九、下一篇预告

第03篇：把今天这段"清洗-画图"逻辑封装成可复用函数，用 AI 工具帮你批量处理几百个电芯的文件——告别复制粘贴，迈向工程化。

AI 工具使用心得

本篇用 AI 生成数据清洗（ffill + 3σ）的稳健写法、并设计"生成带脏数据的模拟CSV"来演示清洗前后的对比——让 AI 造了一个可用来教学的'脏数据样例'，比自己手动造更高效、更贴近真实。效率点：写演示数据+清洗逻辑一次成型。踩坑：先想让缺失值np.nan参与运算报错，明确要先做 isna() 检查再处理。

代码声明：本文代码与数据均为培训教学示例，用于演示数据清洗与分析方法，仅供学习复现与上手练习；不构成任何生产级软件、BMS 算法或商业产品实现建议。用于真实电池管理系统或量产场景时须另行充分验证，作者不对因环境差异、误用或改编造成的后果负责。

本文为技术科普与工程编程教程，不构成任何投资、购买或商业决策建议。文中涉及的技术路线、代码实现与运行环境信息可能存在更新，请以原文、最新官方文档及厂商最新发布为准。