第4章 Python与数据科学环境搭建

第4章：Python与数据科学环境搭建

说实话，很多初学者在负荷预测这条路上栽的第一个跟头，不是算法太难，而是环境没搭好。我见过太多人花了两天装包，最后心态崩了。嗯，咱们今天就把这事一次性搞定。

4.1 为什么非得用Anaconda？

你想想看，做负荷预测要用的库少说也有十几个：NumPy、Pandas、Matplotlib、Scikit-learn、TensorFlow……如果一个个手动装，版本冲突能让你怀疑人生。

Anaconda说白了就是一个「全家桶」。它帮你把Python解释器、常用数据科学库、包管理器全打包好了。我个人习惯是：不管做什么项目，先装Anaconda，省心。

  核心优势：
  自带150+数据科学常用包
conda命令比pip更擅长处理依赖冲突
可以创建隔离环境，不同项目互不干扰

4.2 安装与验证

去官网下载对应系统的安装包，一路默认就行。这里有个坑——安装时记得勾选「Add Anaconda to my PATH environment variable」。我曾经因为没勾这个，后面每次都要手动找路径，烦得很。

装完后打开终端（或Anaconda Prompt），输入：

conda --version
python --version

看到版本号就说明成了。如果报错，八成是PATH没配好，去环境变量里手动加一下。

4.3 Jupyter Notebook：交互式开发的利器

做负荷预测时，我几乎全程用Jupyter Notebook。为什么？因为它能让你边写代码边看结果，还能加注释、画图。调试模型的时候，这种「即时反馈」太重要了。

启动方式很简单：

jupyter notebook

浏览器会自动打开一个页面。点右上角的「New」→「Python 3」，就能新建一个notebook了。

我的习惯：每个负荷预测项目建一个文件夹，里面放一个notebook文件。代码、图表、分析结论全在一个文件里，回头找起来特别方便。

4.4 NumPy基础：一切数据的基石

负荷预测本质上是在处理数字。而NumPy就是Python里处理数字的「发动机」。Pandas、Scikit-learn底层都依赖它。

先导入：

import numpy as np

创建数组：

# 一维数组
arr1 = np.array([1, 2, 3, 4, 5])

# 二维数组（像表格）
arr2 = np.array([[1, 2], [3, 4], [5, 6]])

常用操作：

# 生成0-1之间的随机数（模拟负荷波动）
noise = np.random.rand(100)

# 生成等差数列（模拟时间轴）
time = np.linspace(0, 24, 100)  # 0点到24点，100个点

注意：NumPy数组的索引从0开始。我刚开始写代码时总忘记这一点，导致取数据总是错位。后来养成了习惯：每次取数据前先打印.shape看一眼。

4.5 Pandas基础：表格数据的瑞士军刀

实际负荷数据长什么样？通常是CSV文件，第一列是时间，后面几列是负荷值、温度、湿度等。Pandas就是专门处理这种表格数据的。

导入：

import pandas as pd

读取数据：

df = pd.read_csv('load_data.csv')
df.head()  # 看前5行

常用操作：

# 查看基本信息
df.info()

# 处理缺失值（负荷数据经常有缺失）
df = df.dropna()  # 删掉缺失行
# 或者用前一个值填充
df = df.fillna(method='ffill')

# 按时间筛选
df_filtered = df[df['time'] > '2024-01-01']

  避坑指南：我曾经在处理某地负荷数据时，发现某天的负荷值突然变成0。查了半天，原来是传感器故障导致数据缺失，而前一个人用0填充了。记住：负荷数据中的0不一定代表真实值，可能是缺失标记。

4.6 Matplotlib基础：让数据说话

光看数字很难发现规律。画个图，一眼就能看出负荷的日周期性、周周期性。

导入：

import matplotlib.pyplot as plt

最简单的折线图：

plt.plot(df['time'], df['load'])
plt.xlabel('时间')
plt.ylabel('负荷 (MW)')
plt.title('某地区日负荷曲线')
plt.show()

画多个曲线对比：

plt.figure(figsize=(12, 6))
plt.plot(df['time'], df['actual_load'], label='实际负荷')
plt.plot(df['time'], df['predicted_load'], label='预测负荷', linestyle='--')
plt.legend()
plt.show()

小技巧：画图时加上figsize参数调整大小。默认的图太小，很多细节看不清。我一般用(12, 6)或(16, 8)。

4.7 本章知识体系

下面这张图把本章的核心逻辑串起来了。你可以把它当作一个「导航图」：

从图中可以看到：Anaconda是底座，Jupyter是工作台，NumPy和Pandas是工具，Matplotlib是眼睛。四者配合，才能高效地做负荷预测。

4.8 本章小结

环境搭建这件事，说难不难，说简单也不简单。我见过太多人卡在第一步。记住几个要点：

用Anaconda管理环境，别自己手动装包
Jupyter Notebook做交互式开发，边写边看结果
NumPy处理数值计算，Pandas处理表格数据
Matplotlib画图，让数据规律一目了然

把这些基础打牢了，后面学算法才能事半功倍。嗯，咱们下一章见。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录