第1章：数据读取——用Pandas搞定BMS数据文件

各位同行，咱们直接进入正题。

做储能系统数据分析，第一步就是读数据。这一步看似简单，但我在项目里见过太多人栽在这上面——文件路径写错、编码不对、时间格式乱掉……说白了，数据还没进门就卡住了。

今天我就带大家把「数据读取」这个基本功练扎实。咱们用Pandas，把CSV、Excel、BMS典型数据文件统统拿下。

1.1 准备工作：导入Pandas

先别急着读文件，把工具准备好。我个人习惯在代码开头这样写：

import pandas as pd
import numpy as np
import os

# 设置显示选项，方便查看数据
pd.set_option('display.max_columns', None)  # 显示所有列
pd.set_option('display.width', 1000)        # 显示宽度

嗯，这里有个小细节——display.max_columns设为None，能避免数据列太多时被截断。我在调试一个200多列的电芯数据时，就靠这个选项一眼发现了某列全是空值。

1.2 读取CSV文件

CSV是储能数据最常见的格式。BMS导出的历史数据，十有八九是CSV。基本用法：

# 最简单的读取
df = pd.read_csv('bms_data_20240101.csv')

# 实际项目中更常用的写法
df = pd.read_csv(
    'bms_data_20240101.csv',
    encoding='utf-8',          # 指定编码，避免乱码
    parse_dates=['timestamp'], # 自动解析时间列
    low_memory=False           # 避免大文件分块读取时的类型推断问题
)

1.3 读取Excel文件

有些厂家喜欢用Excel存配置参数或日报数据。Excel文件可能包含多个sheet，读取时要注意：

# 读取第一个sheet
df = pd.read_excel('bms_config.xlsx')

# 读取指定sheet
df = pd.read_excel('bms_config.xlsx', sheet_name='参数设置')

# 读取所有sheet，返回一个字典
sheets_dict = pd.read_excel('bms_config.xlsx', sheet_name=None)

你想想看，如果不知道Excel里有几个sheet，直接用sheet_name=None就能全部读进来，然后遍历字典处理。这招我在处理厂家提供的「参数配置表」时屡试不爽。

1.4 读取BMS典型数据文件

BMS数据文件有个特点——列名往往很长，比如单体电压_01、单体温度_01，而且时间戳格式五花八门。我给大家看一个真实案例：

# 读取BMS典型数据
df = pd.read_csv(
    'bms_typical_data.csv',
    encoding='utf-8',
    parse_dates=['采集时间'],
    dtype={
        '总电压': float,
        '总电流': float,
        'SOC': float
    }
)

1.5 查看数据基本信息

数据读进来了，第一件事就是「看看它长什么样」。我一般三步走：

1.5.1 head()——看前几行

# 查看前5行
print(df.head())

# 查看前10行
print(df.head(10))

这一步能快速确认数据是否读对了，列名对不对，时间格式正不正常。

1.5.2 info()——看整体结构

print(df.info())

输出示例：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 86400 entries, 0 to 86399
Data columns (total 12 columns):
 #   Column      Non-Null Count  Dtype         
---  ------      --------------  -----         
 0   采集时间      86400 non-null  datetime64[ns]
 1   总电压        86400 non-null  float64       
 2   总电流        86400 non-null  float64       
 3   SOC         86400 non-null  float64       
 4   单体电压_01   86400 non-null  float64       
 5   单体电压_02   86400 non-null  float64       
 6   单体温度_01   86400 non-null  float64       
 7   单体温度_02   86400 non-null  float64       
 8   绝缘电阻      86000 non-null  float64       
 9   状态标志      86400 non-null  int64         
 10  报警代码      85000 non-null  float64       
 11  备注         1200 non-null   object        
dtypes: datetime64[ns](1), float64(9), int64(1), object(1)
memory usage: 7.9 MB

info()是我最常用的函数。它能告诉我：

• 有多少行、多少列
• 每列的数据类型
• 有没有缺失值（Non-Null Count）
• 内存占用情况

1.5.3 describe()——看统计信息

print(df.describe())

输出示例：

指标	总电压	总电流	SOC	单体电压_01
count	86400.0	86400.0	86400.0	86400.0
mean	768.5	120.3	55.2	3.215
std	12.4	85.6	28.7	0.052
min	720.0	-200.0	0.0	2.800
25%	760.0	45.0	30.0	3.180
50%	770.0	110.0	55.0	3.215
75%	778.0	195.0	80.0	3.250
max	800.0	350.0	100.0	3.650

describe()能快速给出数值列的统计特征。我特别关注min和max——如果单体电压最小值低于2.8V，那电池可能已经过放了，需要立刻报警。

1.6 本章知识体系

下面这张图，是我梳理的数据读取核心流程：

1.7 实战小贴士

最后分享几个我踩过的坑：

• 文件路径别用中文：我曾经把文件放在「桌面/储能数据」文件夹里，结果Pandas死活读不出来。后来改成英文路径，一次通过。
• 大文件分块读：如果文件超过1GB，用chunksize参数分块读取，避免内存爆炸。
• 时间列统一格式：BMS数据的时间戳可能是2024-01-01 00:00:00，也可能是2024/01/01 00:00:00。用parse_dates配合format参数，能保证解析正确。

---