计算航班正常率（按小时或按天），需要从多个系统（空管、航空公司、地勤）提取数据，请说明数据提取、清洗和计算的过程。
答案
1) 【一句话结论】航班正常率计算需整合空管、航空公司、地勤多源数据，通过定义“正常航班”（准点起飞/到达、无取消/严重延误）规则，经数据提取、清洗、规则匹配后，按小时或天统计正常航班数与总航班数之比，输出结果。
2) 【原理/概念讲解】
老师口吻解释关键概念：
航班正常率是衡量航班运营效率的核心指标，定义为“正常航班数/总航班数×100%”。其中，“正常航班”需满足以下条件：① 起飞延误≤30分钟（或约定阈值）；② 到达延误≤15分钟（或约定阈值）；③ 状态为“正常”（非取消、严重延误等）。
数据源整合涉及三系统：空管系统提供计划时间（计划起飞、计划到达、状态）、航空公司系统提供实际运行数据（实际时间、状态、延误原因）、地勤系统提供地面延误信息（辅助判断是否可控）。
数据清洗需处理三类问题：① 缺失值（如实际到达时间缺失，尝试从其他系统补全或标记缺失）；② 异常值（如实际起飞时间晚于计划到达时间，标记为数据错误）；③ 格式统一（如时间格式统一为“YYYY-MM-DD HH:MM”）。
规则匹配是将清洗后的数据按航班号关联，应用“正常航班”定义，标记正常/非正常。
3) 【对比与适用场景】
| 时间粒度 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 按小时 | 以小时为单位统计航班正常率 | 粒度细，能反映实时波动，受单次航班影响大 | 实时监控、快速响应运营问题（如某时段延误集中） | 数据量较大，计算复杂度较高 |
| 按天 | 以天为单位统计航班正常率 | 粒度粗，能反映趋势，受单次航班影响小 | 汇总报告、长期趋势分析（如月度/年度正常率） | 需要汇总小时数据，计算更简单 |
4) 【示例】
以按小时计算为例，伪代码逻辑：
# 数据提取
plan_data = 空管系统API(航班号) # 计划时间、状态
act_data = 航空公司系统API(航班号) # 实际时间、状态、延误原因
ground_data = 地勤系统API(航班号) # 地面延误时间、原因
# 数据清洗
clean_data = []
for rec in plan_data + act_data + ground_data:
if rec.航班号 is None or rec.计划时间 is None: # 检查完整性
continue
if rec.实际到达时间 is None: # 缺失值处理
rec.实际到达时间 = 尝试从航空公司系统补全(rec.航班号)
if rec.实际起飞时间 > rec.计划到达时间: # 异常值处理
rec.状态 = "数据异常"
continue
clean_data.append(rec)
# 规则匹配
normal_flights = []
for rec in clean_data:
if (rec.实际起飞时间 - rec.计划起飞时间 <= 30) and \
(rec.实际到达时间 - rec.计划到达时间 <= 15) and \
rec.状态 == "正常":
normal_flights.append(rec)
# 计算过程
hourly_normal_rate = {}
for hour in 按小时分组的时间范围:
hourly_flights = [rec for rec in clean_data if rec.实际时间 in hour]
hourly_normal = [rec for rec in hourly_flights if rec in normal_flights]
hourly_normal_rate[hour] = len(hourly_normal) / len(hourly_flights) * 100
5) 【面试口播版答案】
面试官您好，计算航班正常率的核心是整合多源数据并应用统一规则。首先，数据提取阶段，我会从空管系统获取航班计划（计划时间、状态），从航空公司系统获取实际运行数据（实际时间、状态），从地勤系统获取地面延误信息。然后进行数据清洗，比如检查数据完整性、处理缺失值（如实际到达时间缺失时尝试补全），处理异常值（如实际起飞时间晚于计划到达时间标记为异常）。接着应用规则匹配，定义正常航班为起飞延误≤30分钟、到达延误≤15分钟且状态正常的航班，对每个航班判断是否正常。最后按小时或天分组统计正常航班数与总航班数之比，得到正常率。比如按小时计算，就是统计每个小时的正常航班数除以该小时的总航班数；按天计算则是汇总全天的数据。这样就能得到准确的航班正常率。
6) 【追问清单】
- 如果数据源存在延迟（比如空管系统数据延迟5分钟），如何保证计算结果的准确性？
- 回答要点：通过设置数据延迟缓冲区，比如只使用当前时间前5分钟的数据计算实时正常率，或采用滑动窗口（如最近30分钟）计算，减少延迟影响。
- 如果不同系统对“延误”的定义不同（比如空管系统认为起飞延误30分钟算严重延误，而航空公司认为20分钟算），如何统一规则？
- 回答要点：制定统一的数据字典，明确各系统对“延误”的定义阈值（如起飞延误≤30分钟、到达延误≤15分钟），并在数据清洗阶段统一转换，确保规则一致性。
- 如果遇到数据缺失（比如部分航班没有实际到达时间），如何处理？
- 回答要点：尝试从其他系统补全（如航空公司系统可能有到达时间），若补全失败，标记为“缺失”并排除在计算外，或根据历史数据填充（如用该航班的历史到达时间均值）。
- 计算中如何区分“可控延误”（如地面等待）和“不可控延误”（如天气）？
- 回答要点：通过地勤系统的延误原因字段（如“天气”“地面等待”），将“可控延误”排除在正常航班定义外，仅统计“不可控”因素导致的延误，从而更准确地反映运营效率。
- 如果需要扩展到多机场或多航线，如何优化计算流程？
- 回答要点：增加维度筛选（如按机场、航线分组），在数据提取阶段加入机场/航线标识，在计算阶段按维度分组统计，确保不同机场/航线的正常率可单独分析。
7) 【常见坑/雷区】
- 忽略数据源差异：未考虑不同系统对“正常”定义的不同，导致计算结果不一致（如空管系统只关注起飞延误，而航空公司关注到达延误）。
- 未处理数据清洗细节：直接使用原始数据计算，未检查缺失值、异常值，导致结果偏差（如缺失值填充不合理，异常值未修正）。
- 计算逻辑不严谨：未明确“正常”的具体标准（如延误时间阈值），导致规则模糊，结果不准确。
- 未说明时间粒度的影响：未解释按小时和按天计算的区别，显得对业务理解不深。
- 未考虑实时性需求：未提及数据延迟或计算延迟对实时监控的影响，显得对系统设计考虑不足。