使用线性回归预测pm2.5的浓度

最新推荐文章于 2021-05-13 20:22:29 发布

趣谈数据分析

最新推荐文章于 2021-05-13 20:22:29 发布

阅读量6.3k

点赞数 1

分类专栏：机器学习文章标签：机器学习 python 线性回归

本文链接：https://blog.youkuaiyun.com/qq_21795835/article/details/87370047

版权

本文介绍了如何运用线性回归分析预测北京PM2.5浓度。首先，将日期字符串转换为年、月、日、周几的特征，然后进行模型训练和预测。重点涉及了read_csv的参数设置、time.strptime函数的使用以及数据处理中的重置索引和保存数据到CSV文件的操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天做了一个小任务，使用回归分析预测北京pm2.5的浓度。

import time
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression  # 用于线性回归 
from sklearn.model_selection import train_test_split 

df = pd.read_csv('D:\game\pm2.5\北京PM2.5浓度回归分析训练赛\pm25_train.csv', engine='python')

查看数据发现日期格式是字符串格式，例如：“2019-01-01”，首先第一步操作要把字符串类型的日期，拆分成年、月、日、周几，之后再把这4个特征添加到数据表中。

def data_format(dt):
    time_list = []
    t = time.strptime(dt, '%Y-%m-%d')
    time_list.append(t.tm_year)
    time_list.append(t.tm_mon)
    time_list.append(t.tm_mday)
    time_list.append(t.tm_wday)
    return time_list
date = df['date'].tolist()
jieguo = []
for dt in date:
    jieguo.append(data_format(dt=dt))

df_time = pd.DataFrame(jieguo)
df_time.columns=['year', 'mon', 'day','week']
df_data =