实例介绍
【实例简介】python实现多种风机数据清洗,绘制功率曲线,包括kmeans,DBSCAN,KernelDensity等方法
【实例截图】
【核心代码】
#分区间进行dbscan聚类 def dbscan_filter(df,eps=0.6,min_samples=1.5): x = df.wind_speed y = df.power ws_min = min(x)-0.1 ws_max = max(x) bin_num = int((ws_max-ws_min)/0.5) 1 # 风速以0.5为间隔 bins = [i*0.5 ws_min for i in range(bin_num 1)] s = pd.cut(x,bins,labels=list(range(bin_num))) # 划分区间 df['bin'] = s df_group = df.groupby('bin', sort=False) # 分组 norm_index = [] abnorm_index = [] for _, data in df_group: data_filter = data.copy() if len(data_filter) == 1: norm_index = data_filter.index.tolist() elif len(data_filter)>=2: ws = data['wind_speed'].tolist() pw = data['power'].tolist() cnt_raw = len(ws) raw = np.array([[ws[i], pw[i]] for i in range(0, cnt_raw)]) db = DBSCAN(eps=eps, min_samples=min_samples).fit(raw)#eps为半径,min_samples为最小的样本数 labels = db.labels_ data_ = data.copy() data_['cluster_db'] = labels # 在数据集最后一列加上经过DBSCAN聚类后的结果,-1为临界点或离群点 norm_index = data_.loc[data_.cluster_db!=-1].index.tolist() abnorm_index = data_.loc[data_.cluster_db==-1].index.tolist() ws_n = df.loc[norm_index,'wind_speed'] pw_n = df.loc[norm_index,'power'] ws_abn = df.loc[abnorm_index,'wind_speed'] pw_abn = df.loc[abnorm_index,'power'] return ws_n,pw_n,ws_abn,pw_abn
好例子网口号:伸出你的我的手 — 分享!
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论