3. 数据探索：使用Pandas进行描述性统计，了解用电量的分布与趋势

拿到电费账单数据后，别急着建模。我个人的习惯是——先跟数据“聊聊天”。

什么叫聊天？就是看看它长什么样，有没有异常值，分布是否均匀。说白了，就是做描述性统计。这一步做扎实了，后面的分析才能站得住脚。

3.1 加载数据，先看一眼全貌

假设我们已经把数据整理成了CSV格式。用Pandas加载进来，这是基本功。

import pandas as pd
import numpy as np

# 加载数据
df = pd.read_csv('family_energy.csv', parse_dates=['date'])
df.head()

嗯，这里要注意：parse_dates参数一定要加。我见过太多人把日期读成字符串，后面处理时各种报错。

输出结果大概长这样：

date	kwh_used	peak_hours	offpeak_hours	cost
2024-01-01	12.5	4.2	8.3	8.75
2024-01-02	15.1	5.0	10.1	10.57
2024-01-03	10.8	3.1	7.7	7.56

看到数据了。接下来，用info()和describe()快速摸清底细。

df.info()
df.describe()

3.2 用电量的集中趋势：均值和中位数

均值和中位数，这两个指标要一起看。为什么？

举个例子。我去年帮一个小区做能耗分析，发现某户的日均用电量均值是18度，但中位数只有12度。一查才知道，他家夏天开了一个月的泳池水泵，直接把均值拉高了。你想想看，如果只看均值，你会误以为这户人家天天用电很猛。

mean_kwh = df['kwh_used'].mean()
median_kwh = df['kwh_used'].median()
print(f"日均用电量均值: {mean_kwh:.2f} kWh")
print(f"日均用电量中位数: {median_kwh:.2f} kWh")

如果均值远大于中位数，说明数据右偏——存在一些“用电大户”在拉高整体水平。

3.3 离散程度：标准差与四分位数

光看平均值不够。你得知道数据“散不散”。

q1 = df['kwh_used'].quantile(0.25)
q3 = df['kwh_used'].quantile(0.75)
iqr = q3 - q1
print(f"第一四分位数: {q1:.2f}")
print(f"第三四分位数: {q3:.2f}")
print(f"四分位距: {iqr:.2f}")

我曾经遇到一个案例：某户的IQR只有2.3度，说明用电习惯非常规律。而另一户的IQR高达8.7度，后来发现是因为家里有电动车，充电时间不固定。你看，光一个IQR就能帮你推测用户行为。

3.4 分布形态：偏度与峰度

偏度告诉你数据是左偏还是右偏。峰度告诉你数据是“尖”还是“平”。

skewness = df['kwh_used'].skew()
kurtosis = df['kwh_used'].kurtosis()
print(f"偏度: {skewness:.3f}")
print(f"峰度: {kurtosis:.3f}")

• 偏度 > 0：右偏，多数日子用电较少，偶尔有高峰。
• 偏度 < 0：左偏，多数日子用电较多，偶尔有低谷。
• 峰度 > 3：数据集中在均值附近，尾部较厚（极端值多）。
• 峰度 < 3：数据分布较平坦，波动均匀。

说白了，偏度和峰度就是帮你判断：你家用电是“平稳型”还是“爆发型”。

3.5 时间趋势：按周/月聚合

描述性统计不能只看整体，还要看趋势。我习惯按周聚合，看看用电量有没有周期性。

df['week'] = df['date'].dt.isocalendar().week
weekly = df.groupby('week')['kwh_used'].mean()
print(weekly.head())

输出结果：

week	mean_kwh
1	13.2
2	12.8
3	14.5
4	11.9

嗯，这里要注意：第3周用电量明显偏高。我猜可能是春节前后，家里人多。这种模式，光看日均值是看不出来的。

3.6 知识体系结构图

下面这张图，帮你把本章的知识脉络理清楚：

3.7 避坑指南

3.8 小结

描述性统计，说白了就是给数据“体检”。

通过均值、中位数、标准差、IQR、偏度、峰度这些指标，你能快速掌握用电量的整体面貌。再结合时间趋势分析，就能发现隐藏在数据背后的规律。

我个人觉得，这一步花的时间越多，后面建模就越省心。别急着跑模型，先把数据摸透。