现在没什么大不了的
building-energy-forecastor的Python项目详细描述
建筑消费预测
去查一下ce lien pour r_©_diger le readme: Github-flavored Markdown
安装
命令行: pip安装建筑能源预测器
用于预处理来自src/building\u preprocess
的数据的功能列表- day_of庘week(date庘serie):获取一个熊猫。一系列日期并返回一个熊猫。一系列相应的周日 (['星期一','星期二',…])。
- 设置时间索引(df,time index='timestamp'):将时间列设置为数据帧df的索引。默认情况下,列的 标签是“时间戳”。
- 时间到周期(df,timeindex='timestamp'):来自Forecast challenge的第三个竞争对手 施耐德电气。在df的副本中添加列,其中包含一天中的时间、一年中的月份和一年中的日期的cosinus和窦函数。
- add_weather(df,weather,timeindex='timestamp',freq嫒temp='d'):来自施耐德电气Forecast challenge的第三个竞争对手。 将天气数据添加到训练数据集(df此处)合并“时间戳”上的两个数据帧并循环时间 天气条件下精确的频率温度值(默认为“D”)。
- fill_temperature(df,tempIndex='temperature'):通过计算 两个最接近的帧值。
模型函数来自src/building_model
- building_regressor():从scikit learn返回一个线性回归器。
- building_train(reg,x,y):使用x数据和y目标值训练回归器。
- building_prediction(reg,x):返回一个pandas.dataframe,显示给定数据x的回归器reg的预测。