3. 特征缺失巡检体系：巡检指标设计

特征缺失巡检是风控数据质量保障的第一道防线。缺失率、空值占比与异常值比例三个指标从不同维度刻画特征的健康状态，配合合理的巡检频率与阈值，能够及时发现数据采集、传输或加工环节的异常。

3.1 核心巡检指标定义

3.2 巡检频率与阈值设定

巡检频率应根据特征变更速度和业务影响范围分层设定。阈值设定采用“静态基线 + 动态容忍度”组合策略，避免频繁误报。

3.3 巡检指标计算流程

3.4 巡检结果判定与告警分级

根据指标超限程度，将告警分为三个等级，对应不同的响应时效与处理流程。

3.5 巡检指标可视化看板设计

巡检看板应同时展示指标趋势与当前状态，便于快速定位异常特征。以下为推荐看板布局：

3.6 巡检脚本实现示例

以下为 Python 巡检脚本核心逻辑，支持批量特征计算与阈值判定：

import pandas as pd
import numpy as np

def feature_missing_inspection(df, feature_config):
    """
    特征缺失巡检主函数
    :param df: DataFrame，包含待检特征列
    :param feature_config: dict，特征阈值配置
    :return: dict，巡检结果
    """
    total = len(df)
    results = {}
    
    for feature, config in feature_config.items():
        if feature not in df.columns:
            results[feature] = {
                'status': 'ERROR',
                'missing_rate': 1.0,
                'empty_rate': 1.0,
                'anomaly_rate': 1.0,
                'message': '特征列不存在'
            }
            continue
        
        col = df[feature]
        
        # 缺失率计算
        missing_count = col.isna().sum()
        missing_rate = missing_count / total
        
        # 空值占比计算
        if col.dtype == 'object':
            empty_count = (col.astype(str).str.strip() == '').sum()
        else:
            empty_count = 0
        empty_rate = empty_count / total
        
        # 异常值比例计算
        if 'min_val' in config and 'max_val' in config:
            anomaly_count = ((col < config['min_val']) | (col > config['max_val'])).sum()
        else:
            anomaly_count = 0
        anomaly_rate = anomaly_count / total
        
        # 告警等级判定
        if missing_rate >= 0.20 or anomaly_rate >= 0.05:
            level = 'P0'
        elif missing_rate >= 0.05 or empty_rate >= 0.03:
            level = 'P1'
        elif missing_rate >= 0.01 or anomaly_rate >= 0.005:
            level = 'P2'
        else:
            level = 'OK'
        
        results[feature] = {
            'status': level,
            'missing_rate': round(missing_rate, 4),
            'empty_rate': round(empty_rate, 4),
            'anomaly_rate': round(anomaly_rate, 4)
        }
    
    return results