4. 单变量切片分析：数值型特征切片、类别型特征切片、时间序列切片、文本特征切片

单变量切片，说白了就是一次只看一个特征。你可能会问：「这有什么难的？不就是画个直方图吗？」嗯，没那么简单。我做了这么多年模型诊断，发现很多模型翻车，恰恰就翻在单变量切片这一步没做透。

这一章，咱们把四种最常见的特征类型——数值型、类别型、时间序列、文本——的切片方法挨个过一遍。每种我都会给出具体的操作步骤、代码示例，以及我踩过的坑。

4.1 数值型特征切片

数值型特征是最常见的。年龄、收入、温度、点击次数……这些连续值怎么切？我见过有人直接按等距分桶，结果样本分布不均，模型评估完全失真。

我个人习惯用三种方法：

• 等宽分桶：把值域分成 N 个等距区间。适合分布均匀的特征，比如温度 0-100°C 每 10°C 切一段。
• 等频分桶：每个桶里样本数差不多。适合长尾分布，比如收入——少数人收入极高，等宽分桶会导致前几个桶挤满人，后面桶几乎空着。
• 业务阈值分桶：按业务含义切。比如年龄按 0-18、18-35、35-60、60+ 来分。这是我最推荐的方式，因为可解释性最强。

举个例子，假设我们有个房价预测模型，特征 房屋面积 从 20 到 500 平米。用等频分桶看看模型误差：

import pandas as pd
import numpy as np

# 假设 df 包含 'area' 和 'error'（预测误差）
df['area_bucket'] = pd.qcut(df['area'], q=5, labels=['Q1','Q2','Q3','Q4','Q5'])

# 计算每个桶的平均误差
error_by_bucket = df.groupby('area_bucket')['error'].agg(['mean','std','count'])
print(error_by_bucket)

输出结果可能长这样：

4.2 类别型特征切片

类别型特征，比如城市、职业、产品类别。这类特征切片最容易犯的错误是：只看整体准确率，忽略低频类别。

我曾经在一个信贷风控模型里发现，整体 AUC 高达 0.92，但「自由职业」这个类别的坏账率预测完全不准。为什么？因为样本太少，模型直接把它当成了「平均人」。

类别型切片我一般分三步走：

1. 计算每个类别的样本量——少于 100 条的类别要标记为「低频」。
2. 计算每个类别的评估指标——准确率、召回率、F1 都算上。
3. 对比低频类别与整体表现——如果差距超过 20%，就要警惕了。

代码示例：

# 假设 df 包含 'city' 和 'pred'、'label'
city_stats = df.groupby('city').agg(
    count=('label', 'count'),
    accuracy=('label', lambda x: (x == df.loc[x.index, 'pred']).mean())
).reset_index()

# 标记低频类别
city_stats['flag'] = city_stats['count'].apply(
    lambda x: '低频' if x < 100 else '正常'
)

print(city_stats[city_stats['flag'] == '低频'])

4.3 时间序列切片

时间序列切片，很多人以为就是按年、月、日分组看看。其实没那么简单。时间序列里有个很隐蔽的问题——时间漂移。

什么意思？模型在训练集上表现很好，但上线后效果越来越差。因为数据分布随时间变了。比如用户行为习惯变了、政策变了、季节变了。

我建议按以下维度做时间切片：

• 按时间粒度：年、季度、月、周、日。根据业务周期选。
• 按时间窗口：比如「训练期 vs 验证期 vs 上线后第1周 vs 第2周」。
• 按事件节点：比如「促销前 vs 促销中 vs 促销后」。

代码示例——按月查看模型误差变化：

# 假设 df 包含 'date' 和 'error'
df['month'] = pd.to_datetime(df['date']).dt.to_period('M')

monthly_error = df.groupby('month')['error'].agg(['mean','std']).reset_index()
monthly_error['month'] = monthly_error['month'].astype(str)

# 看看有没有明显上升趋势
print(monthly_error.head(12))

如果发现某个月误差突然飙升，别急着调模型。先看看那个月有没有特殊事件——比如双十一、春节、或者数据采集系统出了故障。

4.4 文本特征切片

文本特征切片，听起来有点抽象。文本怎么切？按长度？按情感？按主题？

其实思路是一样的——找到文本的某个可量化维度，然后看模型在这个维度上的表现差异。我常用的维度有：

• 文本长度：短文本 vs 长文本。模型对短文本（比如标题）和长文本（比如评论）的表现可能完全不同。
• 情感极性：正面 vs 负面 vs 中性。情感分类模型在负面样本上往往更差。
• 主题类别：按 LDA 或 BERT 聚类后的主题分组。
• 语言/方言：如果数据是多语言的，一定要按语言切片。

举个例子，假设我们有个垃圾邮件分类模型，按文本长度切片：

# 假设 df 包含 'text' 和 'pred'、'label'
df['text_len'] = df['text'].apply(len)
df['len_bucket'] = pd.cut(df['text_len'], 
                          bins=[0, 50, 200, 500, 10000],
                          labels=['极短','短','中','长'])

len_stats = df.groupby('len_bucket').agg(
    count=('label', 'count'),
    accuracy=('label', lambda x: (x == df.loc[x.index, 'pred']).mean())
)
print(len_stats)

结果可能显示「极短」文本的准确率只有 60%，而整体是 95%。为什么？因为极短文本信息量太少，模型很难判断。这时候就需要对短文本做特征增强，比如加入字符级 n-gram。

4.5 四种切片方法的对比与选择

说了这么多，你可能想问：「那我到底该用哪种？」

我的经验是：先看特征类型，再看业务场景。下面这张表可以帮你快速决策：

4.6 单变量切片分析知识体系

下面这张图帮你理清本章的核心逻辑。四种特征类型各自对应不同的切片策略，最终都指向同一个目标——发现模型表现不一致的区域。