第二章：数据加载与初步探索

好，咱们正式开始动手了。

上一章聊了聊电价预测的背景和坑，这一章咱们直接上代码。我个人习惯，拿到任何数据源，第一件事不是建模，而是先把它请进Python里，好好打量一番。说白了，就是先看看这堆数据长什么样，有没有缺胳膊少腿。

2.1 用Pandas加载CSV文件

CSV文件是电价数据最常见的格式。电力调度中心、交易中心给的数据，十有八九是CSV。我建议你直接用pd.read_csv()，简单粗暴。

import pandas as pd

# 加载电价数据
df = pd.read_csv('electricity_price.csv')

嗯，这里要注意。我在项目中遇到过，有些CSV文件编码不是UTF-8，而是GBK或者GB2312。尤其是国内一些老系统导出的数据，一读就报错。这时候加个参数就行：

df = pd.read_csv('electricity_price.csv', encoding='gbk')

如果还报错，试试encoding='gb2312'或者encoding='utf-8-sig'。你想想看，一个编码问题卡半天，多冤。

2.2 加载Excel文件

Excel文件也常见，尤其是报表类的数据。用pd.read_excel()搞定。

df = pd.read_excel('electricity_price.xlsx', sheet_name='Sheet1')

这里有个坑——Excel文件可能有多张表。我曾经拿到一个文件，里面藏着七八个sheet，每个sheet代表不同省份的电价。如果你不指定sheet_name，Pandas默认只读第一张。所以，先看看文件里有几张表：

xls = pd.ExcelFile('electricity_price.xlsx')
print(xls.sheet_names)

这样心里就有数了。

2.3 查看数据基本信息

数据加载进来后，别急着分析。先做三件事：head()、info()、describe()。这是我的老规矩。

2.3.1 head()——瞄一眼数据长啥样

print(df.head())

默认显示前5行。我习惯先看个10行：

print(df.head(10))

为什么？因为电价数据通常有时间列、价格列、可能还有负荷、温度等特征。看一眼列名和数值范围，心里就有底了。比如，价格列如果出现负数，那就要警惕了——是不是数据采集异常？

2.3.2 info()——摸清数据类型和缺失情况

print(df.info())

这个方法会告诉你：

• 总共有多少行、多少列
• 每列的数据类型（int64、float64、object等）
• 每列有多少个非空值

我个人最关注的是数据类型和缺失值。电价数据的时间列，经常被读成object类型，而不是datetime。这会导致后续时间序列分析出问题。还有，如果某列缺失值太多，比如超过30%，那这列基本可以放弃了。

2.3.3 describe()——看统计摘要

print(df.describe())

这个方法只对数值列有效。它会输出：

• count：非空值数量
• mean：平均值
• std：标准差
• min：最小值
• 25%、50%、75%：四分位数
• max：最大值

举个例子，如果电价的最小值是负数，或者最大值高得离谱（比如10000元/度），那数据肯定有问题。我在项目中遇到过，某天的电价突然飙到9999，后来发现是采集设备故障。这种异常值，必须处理掉。

2.4 数据类型概览

数据类型决定了你能对数据做什么操作。Pandas里常见的数据类型有：

类型	说明	常见场景
int64	整数	年份、小时、负荷值
float64	浮点数	电价、温度、风速
object	字符串/混合类型	时间戳（未转换前）、地区名
datetime64	日期时间	时间索引（必须转换）
bool	布尔值	节假日标志、异常标志

我建议你养成一个习惯：加载数据后，立刻检查时间列的类型。如果是object，马上转成datetime：

df['time'] = pd.to_datetime(df['time'])

为什么这么急？因为电价预测本质上是时间序列问题。时间列必须是datetime类型，你才能做重采样、滑动窗口、滞后特征等操作。否则，后面每一步都会卡住。

2.5 知识体系一览

这一章的内容，说白了就是数据清洗的“入门仪式”。我画了张图，帮你理清逻辑：

这张图展示了咱们这一章的核心流程：从加载数据开始，到查看基本信息，再到检查数据类型。其中，时间列转换、缺失值检查、异常值检查是三个关键分支。后面的章节，咱们会逐一深入。

2.6 避坑指南

好了，这一章就到这里。数据加载和初步探索，是数据清洗的“敲门砖”。你把这些基础打牢了，后面的清洗工作才能顺风顺水。