家庭用电数据分析与 Prophet 时间序列预测

家庭用电数据分析与 Prophet 时间序列预测 | 极客日志

列名	说明
Date	日期
Time	时间
Globalactivepower	该家庭所消耗的总有功功率（千瓦）
Globalreactivepower	该家庭消耗的总无功功率（千瓦）
Voltage	向家庭输送电力的电压（伏特）
Global_intensity	输送到家庭的平均电流强度（安培）
Submetering1	厨房消耗的有功功率（千瓦）
Submetering2	洗衣房所消耗的有功功率（千瓦）
Submetering3	电热水器和空调所消耗的有功功率（千瓦）

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data_path = "./household_power_consumption.csv"
df = pd.read_csv(data_path, index_col='index')
df.head()

df.describe()

df.dtypes

from tqdm.auto import tqdm
from ipywidgets import HBox, FloatProgress, HTML

# 将'Date'列转换为日期时间格式
df['Date'] = pd.DatetimeIndex(df['Date'])

# 定义需要转换为数字的列
make_em_num = ['Global_active_power', 'Global_reactive_power', 'Voltage', 'Global_intensity', 'Sub_metering_1', 'Sub_metering_2', 'Sub_metering_3']

# 定义一个函数，将字符串转换为浮点数，如果转换失败则返回 0
def floating(string):
    try:
        return float(string)
    except:
        return float(0)

# 遍历需要转换为数字的列
for column in tqdm(make_em_num):
    df[column] = df[column].apply(lambda item: floating(item))

# 创建一个水平布局，包含一个浮点进度条和一个 HTML 元素
HBox(children=(FloatProgress(value=0.0, max=7.0), HTML(value='')))

df.dtypes

df.head()

import seaborn as sns
sns.heatmap(df.drop(['Date','Time'], axis=1).corr(), annot=True)

from prophet import Prophet
df.shape

# 从数据框中随机抽取 10000 行
df = df.sample(n=10000)

# 定义一个函数，用于使用 Prophet 模型进行预测
def prophet_forecaster(data, x, y, period=100):
    # 创建一个新的数据框，包含日期和目标变量
    new_df = pd.DataFrame(columns=['ds', 'y'])
    new_df['ds'] = data[x]
    new_df['y'] = data[y]
    
    # 创建一个 Prophet 模型
    model = Prophet()
    
    # 使用新的数据框进行模型训练
    model.fit(new_df)
    
    # 创建未来日期的数据框
    future_dates = model.make_future_dataframe(periods=period)
    
    # 使用模型进行预测
    forecast = model.predict(future_dates)
    
    # 绘制预测结果
    model.plot(forecast)
    
    # 设置图表标题
    plt.title(f"Forecasting on the next {period} days for {y}")

# 使用 Prophet 模型对 Global_active_power 进行预测
prophet_forecaster(df, x='Date', y='Global_active_power', period=180)
# 使用 Prophet 模型对 Global_reactive_power 进行预测
prophet_forecaster(df, x='Date', y='Global_reactive_power', period=180)
# 使用 Prophet 模型对 Voltage 进行预测
prophet_forecaster(df, x='Date', y='Voltage', period=180)
# 使用 Prophet 模型对 Global_intensity 进行预测
prophet_forecaster(df, x='Date', y='Global_intensity', period=180)