网站建设前期费用,慈溪企业网站建设,免费企业自助建站,各种网址大全天气预测1 数据集介绍1.1 训练集1.2 测试集2 导入数据进行数据分析2.1 浏览数据2.2 探索数据2.2.1 查看数据类型1 数据集介绍
1.1 训练集
训练集中共有116369个样本#xff0c;每个样本有23个特征#xff0c;特征具体介绍如下#xff1a;
列名解释Date#xff1a;日期每个样本有23个特征特征具体介绍如下
列名解释Date日期Location地点MinTemp最小温度MaxTemp最大温度Rainfall降雨量Evaporation蒸发量Sunshine一天中阳光明媚的小时数WindGustDir最强阵风方向WindGustSpeed最强阵风风速WindDir9am上午9点风向WindDir3pm下午3点风向WindSpeed9am上午9点风速WindSpeed3pm下午3点风速Humidity9am上午9点湿度Humidity3pm下午3点湿度Pressure9am上午9点压强Pressure3pm下午3点压强Cloud9am上午9点云层遮盖了天空的比例Cloud3pm下午3点云层遮盖了天空的比例Temp9am上午9点温度Temp3pm下午3点温度RainToday今天是否下雨RainTomorr明天是否下雨。
1.2 测试集
测试集中共有29093个样本每个样本有22个特征没有训练集中的RainTomorrow这一项特征。
列名解释Date日期Location地点MinTemp最小温度MaxTemp最大温度Rainfall降雨量Evaporation蒸发量Sunshine一天中阳光明媚的小时数WindGustDir最强阵风方向WindGustSpeed最强阵风风速WindDir9am上午9点风向WindDir3pm下午3点风向WindSpeed9am上午9点风速WindSpeed3pm下午3点风速Humidity9am上午9点湿度Humidity3pm下午3点湿度Pressure9am上午9点压强Pressure3pm下午3点压强Cloud9am上午9点云层遮盖了天空的比例Cloud3pm下午3点云层遮盖了天空的比例Temp9am上午9点温度Temp3pm下午3点温度RainToday今天是否下雨
2 导入数据进行数据分析
2.1 浏览数据
#%%import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split# 导入数据
weather pd.read_csv(r./work/train.csv,index_colFalse)# 观察前五行数据
print(weather.head(5))Date Location MinTemp MaxTemp Rainfall Evaporation Sunshine \
0 2012-03-07 Dartmoor 10.1 24.6 1.2 2.6 11.3
1 2014-12-21 Newcastle 17.0 28.7 0.0 NaN NaN
2 2011-01-14 Albany 17.9 20.8 0.1 9.6 12.1
3 2011-10-19 Ballarat 8.9 25.5 0.0 NaN NaN
4 2013-11-04 Uluru 21.3 38.3 0.0 NaN NaN WindGustDir WindGustSpeed WindDir9am ... Humidity9am \
0 ESE 54.0 SE ... 86.0
1 NaN NaN NE ... 63.0
2 NaN NaN NE ... 61.0
3 NNE 54.0 N ... 56.0
4 ENE 57.0 E ... 15.0 Humidity3pm Pressure9am Pressure3pm Cloud9am Cloud3pm Temp9am \
0 41.0 1028.6 1025.7 NaN NaN 13.9
1 58.0 NaN NaN 1.0 1.0 24.0
2 67.0 1005.1 1007.6 5.0 4.0 19.8
3 44.0 1027.1 1022.9 0.0 NaN 16.7
4 9.0 1018.4 1013.9 NaN NaN 28.8 Temp3pm RainToday RainTomorrow
0 23.0 Yes No
1 28.0 No No
2 20.0 No No
3 25.0 No No
4 36.9 No No [5 rows x 23 columns]通过简单的观察数据我们发现有很多需要我们要作的事情例如Nan值、字符型变量的处理这些都是特征工程中的难点。
2.2 探索数据
2.2.1 查看数据类型
#%%
# 查看数据类型
weather.info()class pandas.core.frame.DataFrame
RangeIndex: 116368 entries, 0 to 116367
Data columns (total 23 columns):
Date 116368 non-null object
Location 116368 non-null object
MinTemp 115160 non-null float64
MaxTemp 115354 non-null float64
Rainfall 113762 non-null float64
Evaporation 66053 non-null float64
Sunshine 60402 non-null float64
WindGustDir 108111 non-null object
WindGustSpeed 108158 non-null float64
WindDir9am 107925 non-null object
WindDir3pm 112986 non-null object
WindSpeed9am 114940 non-null float64
WindSpeed3pm 113920 non-null float64
Humidity9am 114227 non-null float64
Humidity3pm 112736 non-null float64
Pressure9am 104345 non-null float64
Pressure3pm 104377 non-null float64
Cloud9am 71571 non-null float64
Cloud3pm 68773 non-null float64
Temp9am 114947 non-null float64
Temp3pm 113466 non-null float64
RainToday 113762 non-null object
RainTomorrow 113776 non-null object
dtypes: float64(16), object(7)
memory usage: 20.4 MB
