应用场景

电力需求预测

数据解析

  • id为房屋id，

  • dt为日标识，训练数据dt最小为11，不同id对应序列长度不同；

  • type为房屋类型，通常而言不同类型的房屋整体消耗存在比较大的差异；

  • target为实际电力消耗，也是我们的本次比赛的预测目标。

训练集：

测试集：

预测集示例：

基本思路

经验模型：使用均值作为结果数据

# 1. 导入需要用到的相关库
# 导入 pandas 库，用于数据处理和分析
import pandas as pd
# 导入 numpy 库，用于科学计算和多维数组操作
import numpy as np

# 2. 读取训练集和测试集
# 使用 read_csv() 函数从文件中读取训练集数据，文件名为 'train.csv'
train = pd.read_csv('train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据，文件名为 'test.csv'
test = pd.read_csv('test.csv')

# 3. 计算训练数据最近11-20单位时间内对应id的目标均值
target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()

# 4. 将target_mean作为测试集结果进行合并
test = test.merge(target_mean, on=['id'], how='left')

# 5. 保存结果文件到本地
test[['id','dt','target']].to_csv('submit.csv', index=None)

这里需要解析一下计算均值的行代码。

  • train[train['dt']<=20]：筛选近20天的数据，注意近十天的数据是我们需要预测的

  • train[train['dt']<=20].groupby(['id'])：筛选完之后按照id进行分组，因为这里是求的均值，所以其实不太用的到房屋类型

  • train[train['dt']<=20].groupby(['id'])['target'].mean()：分组完成之后对各组target列进行求平均值

  • train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()：重置索引

这个重置索引，原理如下：

在使用groupby和聚合函数（如mean）进行分组计算后，结果通常是一个带有分组键（如id）作为索引的Series对象。这意味着分组键（id）成为Series的索引，而计算的均值成为Series的值。

即类似于如下格式：

id

1 6.0

2 3.0

Name: target, dtype: float64

使用reset_index()方法后，将索引id变成DataFrame的一列，并生成一个新的默认索引：

id target

0 1 6.0

1 2 3.0

总结来说，reset_index()将具有多级索引的Series转换为DataFrame，使得数据结构更清晰，便于后续操作。

结果

分别试了采10天和15天，看来教程里的10天更好一些：

参考资料：

‌​​​⁠​​‍​​‌​‌​​‌​​‍​​‍‍‬​‌‍‌​​⁠​​‍​⁠​​​​‌‌​​从零入门机器学习竞赛 - 飞书云文档 (feishu.cn)