第六章——电力窃漏电用户自动识别实验一

最新推荐文章于 2023-02-24 20:34:07 发布

原创

最新推荐文章于 2023-02-24 20:34:07 发布 · 1.3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#《Python数据分析与挖掘实战》 #电力窃漏电用户自动识别 #拉格朗日插值法处理缺失值

本实验聚焦于电力窃漏电用户自动识别，通过应用拉格朗日插值法填充数据表中的缺失值。实验详细描述了如何使用该方法对缺失值进行插补，并展示了处理前后的数据对比，以实现更准确的数据分析。

实验一是处理表格中的缺失值，这里用的是拉格朗日插值法
在这里插入图片描述

其中 x为缺失值对应的下标序号为缺失值的插值结果，为非缺失值的下标序号对全部缺失数据依次进行插补，直到不存在缺失值为止
数据补全代码如下：

# 导入pandas数据分析库
import pandas as pd
# 导入lagrange插值函数
from scipy.interpolate import lagrange
# 忽略警告信息
import warnings
warnings.filterwarnings('ignore')

# 输入数据的路径
inputfile = '../data/missing_data.xls'
# 输出数据的路径
outputfile = '../tmp/missing_data_processed.xls'

# 读取数据
data = pd.read_excel(inputfile, header=None)
# header = n,表明数据中是否存在列名，如果在第0行，则为0，如果