智能农业系统中的业务数据采集和处理流程设计
人工智能训练师主机：CPU（intel i5 及以上）、内存（不少于 16GB）、操作系统（windows10）、支持深度学习训练；
30min
某农业公司计划引入智能农业系统，通过安装在农田中的各种传感器（如温度传感器、湿度传感器、土壤传感器等）实时监控农田环境，收集数据并进行分析，以优化作物管理和提高产量。为此，公司需要设计并实现一套数据采集和处理流程，确保数据的高效采集、传输和处理，为智能分析提供可靠的数据支持。
我们提供一个传感器数据集（sensor_data.csv），包含以下字段：
SensorID: 传感器ID
Timestamp: 时间戳
SensorType: 传感器类型（Temperature温度, Humidity湿度, SoilMoisture土壤水分, SoilPH土壤酸碱度, Light光传感器）
Value: 传感器读数
Location: 传感器安装位置：
你作为智能农业系统的人工智能训练师，根据提供的sensor_data.csv数据集和Python代码框架（1.1.2.ipynb），完成以下数据的采集和处理任务，为智能农业系统提供可靠的数据支持。请按照以下要求完成任务，确保结果准确并保存相应的截图。
（1）传感器数据统计：
通过补全并运行Python代码（1.1.2.ipynb）分别统计每种传感器的数据数量和平均值。将上述统计结果截图以jpg的格式保存，命名为“1.1.2-1”。
（2）按位置统计温度和湿度数据：
通过补全并运行Python代码（1.1.2.ipynb）统计每个位置的温度和湿度传感器数据的平均值。将上述统计结果截图以jpg的格式保存，命名为“1.1.2-2”。
（3）数据清洗和异常值处理：
通过补全并运行Python代码（1.1.2.ipynb）对数据进行清洗，处理异常值。具体要求如下：
将明显异常的温度（< -10 或 > 50）和湿度（< 0 或 > 100）数据进行标记并统计。
对缺失值使用前面数据的值（如果前面值没有采用后面数据的值）进行填补。
将清洗后的数据保存为新文件cleaned_sensor_data.csv。
所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。
（1）能结合人工智能技术要求和业务特征，设计整套业务数据采集流程
（2）能结合人工智能技术要求和业务特征，设计整套业务数据处理流程
（1）设计出的业务数据底层逻辑清晰，有效合理。
（2）数据完整性：每个传感器数据记录数应完整，缺失值尽量少。
（3）数据准确性：传感器数据应合理，与参考数据偏差小。
考生文件夹可以保存在桌面。
jupyter notebook 工作目录（根目录）：虚拟机环境中的D:\jupyter_notebook。
jupyter notebook 打开方式：在终端中输入jupyter notebook启动。
ipynb填充代码运行后，附带结果保存为html格式上传。保存方法：jupyter notebook中File->Download as->HTML(.html)。
ipynb代码在下划线上填充，请勿随意添加、删除或修改源代码的其他部分，以免影响考试结果。
截图工具：Windows附件->截图工具。截图只截取输出结果部分，其余多余内容不截取。