行業與氣象資料的相關性探索

行業資料與氣象資料的相關性探索

目錄

• 行業資料與氣象資料的相關性探索
  • 缺失值的處理方式
  • 定性資料的賦值方式
    • 1.行業型別
    • 2.天氣狀況
    • 3.風向情況
    • 4.溫度資料
    • 5.時間資料
  • 資料預處理
  • 符號說明
  • 程式碼實現
  • 結論說明

缺失值的處理方式

透過篩查，發現行業表中各類行業均缺失2021年1月26日的資料，對此天的氣象資料選擇跳過，其餘進行連線

定性資料的賦值方式

1.行業型別

普通工業通常指的是一般性的工業生產活動，如製造業，採礦業，建築業等；非普通工業用電則可能指的是一些特殊或非常規的工業用電活動，包括如高能耗行業，高汙染行業，高技術含量行業；商業用電主要指的是商業場所和辦公場所的用電，包括商店，辦公樓，餐廳，酒店等地方的用電；大工業用電通常指的是工業生產中大型工廠，製造業，重工業等領域的用電需求。

所以我們賦值為：大工業用電：4；非普通用電：3；普通工業用電：2；商業用電：1

2.天氣狀況

• 晴：4
• 晴間多雲：3
• 區域性多雲：2
• 多雲：1
• 陰/霧：0
• 小雨：-1
• 中雨：-2
• 陣雨：-3
• 大雨：-4
• 雷陣雨：-5
• 暴雨：-6

一般來說，天氣越惡劣，對電力需求的影響越大，所以分數按照這個順序來賦值。分數越高表示天氣對電力需求的影響越好，分數越低表示天氣對電力需求的影響越壞。

3.風向情況

1. 東風8-9級：9
2. 東南風4-5級：8
3. 南風4～5級：7
4. 東風3～4級：6
5. 西南風3-4級：5
6. 南風3-4級：5
7. 東南風3-4級：5
8. 東北風3-4級：4
9. 東北偏東風2：3
10. 西南風1-2級：3
11. 南風1-2級：3
12. 東南風1-2級：3
13. 東風1-2級：3
14. 東北風1-2級：2
15. 北風4-5級：1
16. 北風3～4級：1
17. 北風3：1
18. 北風1-2級：1
19. 無持續風向1-2級：2
20. 無持續風向<3級：2
21. 無持續風向微風：2
22. 微風<3級：2

通常來說，風向對電力需求的影響主要取決於其風力大小和氣候條件。這種評分方式考慮了風力大小和氣候條件對電力需求的影響，分數越高表示對電力需求的影響越好，分數越低表示影響越不利。但實際影響還可能受到其他因素的影響，比如地理位置、季節等。

4.溫度資料

去掉其後的單位，轉化為純資料。

5.時間資料

考慮到格式不同，這裡選擇直接忽略這列資料。但是或許有進行累計等的更好的處理方式。

資料預處理

因為直接進行相關性分析效果不是很理想，我們選擇對每列資料分別進行標準化。

符號說明

• job 行業型別
• ele_most(kw) 有功功率最大值（kw）
• ele_least(kw) 有功功率最小值（kw）
• weather 天氣狀況
• day_wind 白天風力風向
• night_wind 夜晚風力風向
• low_tem 最低溫度
• high_tem 最高溫度

程式碼實現

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
import seaborn as sns ;sns.set(color_codes=True)#用color_codes預定的顏色
import chardet#用於判斷表中資料的型別
from sklearn.preprocessing import StandardScaler#為了標準化

#df = pd.read_csv("python_play.csv")
# 讀取CSV檔案
#df.head()
# 顯示資料框的前幾行
#with open('python_play.csv', 'rb') as f:
 #   content = f.read()
  #  print(content)
with open('python_play.csv', 'rb') as f:
    content = f.read()
    encoding = chardet.detect(content)['encoding']

print(encoding)

out:
ascii

---

# 讀取CSV檔案，指定編碼為ascii
df = pd.read_csv('python_play.csv', encoding='ascii',usecols=lambda column: column != 'time')

df.head()

out:

	job	ele_most(kw)	ele_least(kw)	weather	day_wind	night_wind	low_tem	high_tem
0	4	117888.3300	51526.5690	0.0	2	2	7	12
1	4	126843.7914	63638.4294	-1.0	2	2	6	11
2	4	130286.1294	102048.2754	0.0	2	2	9	15
3	4	133018.6344	104466.0762	-0.5	2	2	12	17
4	4	133504.4784	99507.3528	-0.5	2	2	12	17

---

scaler = StandardScaler()
# 初始化標準化器

df_normalized = pd.DataFrame(scaler.fit_transform(df), columns=df.columns)
# 對每列資料進行標準化

df_normalized.head()

out:

	job	ele_most(kw)	ele_least(kw)	weather	day_wind	night_wind	low_tem	high_tem
0	1.336246	1.027821	0.658652	0.148206	0.375726	0.375726	-2.237758	-2.574969
1	1.336246	1.183029	0.992150	-0.253312	0.375726	0.375726	-2.404345	-2.737512
2	1.336246	1.242688	2.049759	0.148206	0.375726	0.375726	-1.904584	-2.087342
3	1.336246	1.290045	2.116332	-0.052553	0.375726	0.375726	-1.404822	-1.762257
4	1.336246	1.298465	1.979795	-0.052553	0.375726	0.375726	-1.404822	-1.762257

---

job，ele_most(kw)，ele_least(kw)與電力系統相關；weather，day_wind，night_wind，low_tem，high_tem與天氣相關。

df_normalized.corr()

out:

	job	ele_most(kw)	ele_least(kw)	weather	day_wind	night_wind	low_tem	high_tem
job	1.000000	0.126761	0.645022	0.009319	-0.017214	-0.017214	-0.005267	-0.001947
ele_most(kw)	0.126761	1.000000	0.710800	-0.099735	0.108485	0.108485	0.205206	0.182597
ele_least(kw)	0.645022	0.710800	1.000000	-0.039749	0.041487	0.041487	0.100280	0.087170
weather	0.009319	-0.099735	-0.039749	1.000000	-0.093055	-0.093055	-0.364826	-0.206647
day_wind	-0.017214	0.108485	0.041487	-0.093055	1.000000	1.000000	0.131514	0.074132
night_wind	-0.017214	0.108485	0.041487	-0.093055	1.000000	1.000000	0.131514	0.074132
low_tem	-0.005267	0.205206	0.100280	-0.364826	0.131514	0.131514	1.000000	0.935022
high_tem	-0.001947	0.182597	0.087170	-0.206647	0.074132	0.074132	0.935022	1.000000

---

sns.pairplot(df_normalized)

下面為警告：
D:\anaconda3\envs\FLpyth38\lib\site-packages\seaborn\axisgrid.py:123: UserWarning: The figure layout has changed to tight
self._figure.tight_layout(*args, **kwargs)

out:
<seaborn.axisgrid.PairGrid at 0x1f4418dd430>

​

sns.heatmap(df_normalized.corr())

out:

<Axes: >

​

---

sns.clustermap(df_normalized.corr())

out:

<seaborn.matrix.ClusterGrid at 0x1f446394d60>

​

---

species=df_normalized.pop("job")
g=sns.clustermap(df_normalized)

​ out:

​

---

sns.jointplot(x='ele_most(kw)',y='low_tem',data=df_normalized)

out:

<seaborn.axisgrid.JointGrid at 0x1f4480fa9d0>

​

---

sns.jointplot(x='ele_most(kw)',y='low_tem',data=df_normalized,kind='hex')

out:

<seaborn.axisgrid.JointGrid at 0x1f448ba1640>

​

---

sns.jointplot(x='ele_most(kw)',y='low_tem',data=df_normalized,kind='reg')

out:

<seaborn.axisgrid.JointGrid at 0x1f4439012b0>

​

---

直線旁的灰色是上下95%的置信區間

結論說明

以目前的資料處理方式，電力系統與天氣狀況類的資料相關程度最高為ele_most(kw)與low_tem，相關程度為0.205206，最低為job與high_tem,相關程度為-0.001947