本文正在参加「金石方案 . 瓜分6万现金大奖」

一、家庭电力耗费剖析

1.布景描绘

本数据集包含了一个家庭6个月的用电数据,收集于2007年1月至2007年6月。
这些数据包括全球有功功率、全球无功功率、电压、全球强度、分项计量1(厨房)、分项计量2(洗衣房)和分项计量3(电热水器和空调)等信息。该数据集共有260,640个测量值,能够为了解家庭用电状况提供重要的见解。

咱们要感谢databeats团队提供这个数据集。假如你在你的研讨中运用这个数据集,请注明原作者:Georges Hbrail 和 Alice Brard

数据阐明

列名 阐明
Date 日期
Time 时刻
Globalactivepower 该家庭所耗费的总有功功率(千瓦)
Globalreactivepower 该家庭耗费的总无功功率(千瓦)
Voltage 向家庭运送电力的电压(伏特)
Global_intensity 运送到家庭的平均电流强度(安培)
Submetering1 厨房耗费的有功功率(千瓦)
Submetering2 洗衣房所耗费的有功功率(千瓦)
Submetering3 电热水器和空调所耗费的有功功率(千瓦)

2.数据来历

www.kaggle.com/datasets/th…

3.问题描绘

本数据集能够用于机器学习的目的,如猜测性建模或时刻序列剖析。例如,人们能够运用这个数据集,依据曩昔的数据来猜测未来的家庭用电量。

剖析不同类型的电气设备对耗电量的影响
研讨电力耗费怎么随时刻和地点而改变
构建一个猜测模型来猜测未来的电力耗费

二、数据加载

!pip install prophet  -i https://pypi.tuna.tsinghua.edu.cn/simple
data_path="/home/mw/input/Household_Electricity4767/household_power_consumption.csv"
import pandas as pd
import seaborn as sns
import numpy as np
from tqdm.auto import tqdm
from prophet import Prophet
df=pd.read_csv(data_path)
df.head()
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
index Date Time Global_active_power Global_reactive_power Voltage Global_intensity Sub_metering_1 Sub_metering_2 Sub_metering_3
0 0 1/1/07 0:00:00 2.58 0.136 241.97 10.6 0 0 0.0
1 1 1/1/07 0:01:00 2.552 0.1 241.75 10.4 0 0 0.0
2 2 1/1/07 0:02:00 2.55 0.1 241.64 10.4 0 0 0.0
3 3 1/1/07 0:03:00 2.55 0.1 241.71 10.4 0 0 0.0
4 4 1/1/07 0:04:00 2.554 0.1 241.98 10.4 0 0 0.0
df.describe()
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
index Sub_metering_3
count 260640.000000 256869.000000
mean 130319.500000 5.831825
std 75240.431418 8.186709
min 0.000000 0.000000
25% 65159.750000 0.000000
50% 130319.500000 0.000000
75% 195479.250000 17.000000
max 260639.000000 20.000000
df.dtypes
index                      int64
Date                      object
Time                      object
Global_active_power       object
Global_reactive_power     object
Voltage                   object
Global_intensity          object
Sub_metering_1            object
Sub_metering_2            object
Sub_metering_3           float64
dtype: object
df['Date']=pd.DatetimeIndex(df['Date'])
make_em_num = ['Global_active_power', 'Global_reactive_power', 'Voltage', 'Global_intensity', 'Sub_metering_1', 'Sub_metering_2', 'Sub_metering_3']
def floating(string):
    try:
        return float(string)
    except:
        return float(0)
for column in tqdm(make_em_num):
    df[column] = df[column].apply(lambda item: floating(item))
HBox(children=(FloatProgress(value=0.0, max=7.0), HTML(value='')))
df.dtypes
index                             int64
Date                     datetime64[ns]
Time                             object
Global_active_power             float64
Global_reactive_power           float64
Voltage                         float64
Global_intensity                float64
Sub_metering_1                  float64
Sub_metering_2                  float64
Sub_metering_3                  float64
dtype: object
df.head()
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }
index Date Time Global_active_power Global_reactive_power Voltage Global_intensity Sub_metering_1 Sub_metering_2 Sub_metering_3
0 0 2007-01-01 0:00:00 2.580 0.136 241.97 10.6 0.0 0.0 0.0
1 1 2007-01-01 0:01:00 2.552 0.100 241.75 10.4 0.0 0.0 0.0
2 2 2007-01-01 0:02:00 2.550 0.100 241.64 10.4 0.0 0.0 0.0
3 3 2007-01-01 0:03:00 2.550 0.100 241.71 10.4 0.0 0.0 0.0
4 4 2007-01-01 0:04:00 2.554 0.100 241.98 10.4 0.0 0.0 0.0
sns.heatmap(df.drop(['index','Date','Time'], axis=1).corr(), annot=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7f31603ed4e0>
kaggle数据分析【家庭电力消耗分析】

三、猜测

1.Prophet介绍

github.com/facebook/pr…

Prophet是一种依据可加性模型猜测时刻序列数据的程序,其中非线性趋势能够按年度、每周和每日的时节性,以及假日效应进行拟合。它最适合于具有激烈时节效应的时刻序列和有几个时节的历史数据。Prophet对于缺失的数据和趋势的改变是稳健的,而且一般能够很好地处理异常值。

2.模型介绍

Prophet模型如下:

kaggle数据分析【家庭电力消耗分析】

  • g(t) 表明趋势函数,拟合非周期性改变;

  • s(s)表明周期性改变,比如说每周,每年,时节等;

  • h(t)表明假期改变,节假日可能是一天或者多天;

  • t为噪声项,用他来表明随机无法猜测的波动,咱们假设t是高斯的。

  • 趋势中有两个增加函数,分别是分段线性函数(linear)和非线性逻辑回归函数(logistic)拟合增加曲线趋势。通过从数据中选择改变点,Prophet自动勘探趋势改变;

  • 运用傅里叶级数建模每年的时节分量;

  • 运用虚变量代表曩昔,将来的相同节假日,属于节假日就为1,不属于就是0;

  • 用户提供的重要节假日列表

  • Modeling:建立时刻序列模型。剖析师依据猜测问题的布景选择一个适宜的模型。

  • Forecast Evaluation:模型评价。依据模型对历史数据进行仿真,在模型的参数不确定的状况下,咱们能够进行多种尝试,并根 据对应的仿真效果评价哪种模型更适合。

  • Surface Problems:出现问题。假如尝试了多种参数后,模型的全体表现依然不理想,这个时分能够将差错较大的潜在原因出现给剖析师。

  • Visually Inspect Forecasts:以可视化的方式反馈整个猜测成果。当问题反馈给剖析师后,剖析师考虑是否进一步调整和构建模型。

3.Prophet长处

  • 精确,快速,拟合十分快,能够进行交互式探索
  • 全自动,无需人工操作就能对混乱的数据做出合理的猜测
  • 可调整的猜测,猜测模型的参数十分容易解释,能够用业务知识改善或调整猜测
  • 对缺失值和改变剧烈的时刻序列和离散值能做很好有很好的鲁棒性,不需要填补缺失值;
import matplotlib.pyplot as plt
df.shape
(260640, 10)
df=df.sample(n=10000)
def prophet_forecaster(data, x, y, period=100):
    new_df = pd.DataFrame(columns=['ds', 'y'])
    new_df['ds']= data[x]
    new_df['y'] = data[y]
    model = Prophet()
    model.fit(new_df)
    future_dates = model.make_future_dataframe(periods=period)
    forecast = model.predict(future_dates)
    model.plot(forecast)
    plt.title(f"Forecasting on the next {period} days for {y}")
prophet_forecaster(df, x='Date', y='Global_active_power', period=100)
prophet_forecaster(df, x='Date', y='Voltage', period=100)
INFO:prophet:Disabling yearly seasonality. Run prophet with yearly_seasonality=True to override this.
INFO:prophet:Disabling daily seasonality. Run prophet with daily_seasonality=True to override this.
kaggle数据分析【家庭电力消耗分析】