输出预测结果

浙江电压等级电量/区县分压.py

@@ -0,0 +1,54 @@
+import pandas as pd
+from prophet import Prophet
+import math
+import matplotlib.pyplot as plt
+
+pd.set_option('display.width',None)
+def normal(x):
+    high = x.describe()['75%'] + 1.5*(x.describe()['75%']-x.describe()['25%'])
+    low = x.describe()['25%'] - 1.5*(x.describe()['75%']-x.describe()['25%'])
+    return x[(x<=high)&(x>=low)]
+
+
+df = pd.read_csv(r'C:\Users\鸽子\Desktop\浙江各区县数据(2).csv')
+df.columns = df.columns.map(lambda x:x.strip())
+df.drop(columns=['500kv(含330kv)及以上','220kv','110kv(含66kv)','20kv','power_sal'],inplace=True)
+print(df.columns)
+# print(df.head())
+print(dict(zip(df.columns,[(df[x]==0).sum()/len(df) for x in df.columns])))
+
+df_ct = df[df['org_name']==df['org_name'][0]]
+print(df_ct.head())
+df_ct['1-10kv'] /= 10000
+df_ct['35kv'] /= 10000
+df_ct['0.4kv及以下'] /= 10000
+s1 = df_ct[['日期','1-10kv']]
+s1.dropna(how='any',inplace=True)
+s1 = s1.loc[normal(s1['1-10kv']).index]
+print(s1)
+# plt.plot(range(len(s1)),s1['1-10kv'])
+# plt.show()
+
+# 更改列名，更改为Prophet指定的列名ds和y
+dd = s1.rename(columns={'日期':'ds','1-10kv':'y'})
+# 注意：Prophet模型对于数据格式有要求，日期字段必须是datetime格式，这里通过pd.to_datetime来进行转换。
+dd['ds'] = pd.to_datetime(dd['ds'],format='%Y-%m-%d')
+# 划分数据，划分为训练集和验证集，预测的数据设置为未来一个月
+df_train = dd[:1580]
+df_test = dd[1580:]
+# 数据的变动会受到季节、周、天的影响，存在一定的规律性，因此我们将这三个参数设置为True
+model = Prophet(yearly_seasonality=True, weekly_seasonality=True, daily_seasonality=True)
+# 采用中国的假期模式，其余参数均保持默认
+model.add_country_holidays(country_name="CN")
+model.fit(df_train)
+# make_future_dataframe: 作用是告诉模型我们要预测多长时间，以及时间的周期是什么。这里设置为30，即预测一个月时间的数据。
+future = model.make_future_dataframe(periods=30, freq='D')
+# 进行预测，返回预测的结果forecast
+forecast = model.predict(future)
+# forecast['additive_terms'] = forecast['weekly'] + forecast['yearly']；
+# 有：forecast['yhat']  = forecast['trend'] +  forecast['additive_terms'] 。
+# 因此：forecast['yhat']  = forecast['trend'] +forecast['weekly'] + forecast['yearly']。
+# 如果有节假日因素，那么就会有forecast['yhat']  = forecast['trend'] +forecast['weekly'] + forecast['yearly'] + forecast['holidays']。
+print(forecast)
+
+