第三讲：核心数据科学库入门

各位风电投资的朋友们，大家好。今天我们来聊聊数据科学三剑客——NumPy、Pandas 和 Matplotlib。说实话，这三个库是咱们做风电投资分析的“吃饭家伙”。你想想看，从风机数据清洗到收益率计算，再到最后的可视化汇报，哪一步都离不开它们。

3.1 NumPy 数组操作：风电数据的“骨架”

NumPy 的核心就是数组。我刚开始做风电项目时，习惯用 Python 列表存风速数据，结果一算几十万条数据的平均值，慢得让人抓狂。后来换成 NumPy 数组，速度直接提升几十倍。为什么？因为 NumPy 底层是 C 语言实现的，而且数组元素类型统一，计算时能批量处理。

3.1.1 创建数组

咱们先看怎么创建数组。最常用的就是 np.array()，直接把列表传进去就行。

import numpy as np

# 从列表创建一维数组
wind_speed = np.array([5.2, 6.8, 7.1, 4.9, 8.3])
print(wind_speed)  # 输出：[5.2 6.8 7.1 4.9 8.3]

# 创建全零数组，比如初始化一个月的日发电量
daily_power = np.zeros(30)
print(daily_power)  # 30个0.0

# 创建等间隔数组，比如模拟风速从3到25m/s
wind_range = np.linspace(3, 25, 10)
print(wind_range)  # 输出10个等间隔点

嗯，这里要注意：np.linspace 默认包含终点，而 np.arange 不包含终点。我在项目中吃过这个亏，画功率曲线时少了一个点，曲线就不连续了。

3.1.2 数组运算：向量化操作

NumPy 最爽的地方就是向量化运算。你不用写循环，直接对整个数组做数学运算。

# 风速数据（m/s）
wind = np.array([5, 7, 9, 6, 8])

# 计算风功率密度（简化公式：0.5 * 空气密度 * v^3）
air_density = 1.225  # kg/m³
power_density = 0.5 * air_density * wind ** 3
print(power_density)  # 直接得到每个风速对应的功率密度

# 布尔索引：筛选出风速大于6m/s的数据
high_wind = wind[wind > 6]
print(high_wind)  # 输出：[7 9 8]

我个人习惯用布尔索引做数据筛选，比如找出所有“切出风速”以上的异常数据。曾经有个项目，现场传回的数据里混了几个 99.9 的异常值，用 data[data < 25] 一下就过滤掉了。

3.1.3 数组形状操作

风电数据经常是多维的。比如一个风电场有 10 台风机，每台记录 365 天的发电量，那就是一个 10×365 的二维数组。

# 创建二维数组
data = np.array([[1, 2, 3], [4, 5, 6]])
print(data.shape)  # 输出：(2, 3)

# 重塑形状：把一维变成二维
flat = np.arange(12)
matrix = flat.reshape(3, 4)  # 变成3行4列
print(matrix)

# 转置：行变列，列变行
transposed = matrix.T
print(transposed.shape)  # 输出：(4, 3)

3.2 Pandas 数据处理：风电投资的“瑞士军刀”

如果说 NumPy 是骨架，那 Pandas 就是血肉。它提供了 DataFrame 和 Series 两种数据结构，专门处理表格型数据。咱们做风电投资，数据来源五花八门：SCADA 系统导出的 CSV、气象局给的 Excel、甚至手工录入的纸质台账。Pandas 都能搞定。

3.2.1 读取数据

import pandas as pd

# 读取CSV文件（最常见）
df = pd.read_csv('wind_farm_data.csv')
print(df.head())  # 查看前5行

# 读取Excel文件
df_excel = pd.read_excel('project_finance.xlsx', sheet_name='现金流')

# 从字典创建DataFrame
data_dict = {
    '风机编号': ['WTG01', 'WTG02', 'WTG03'],
    '额定功率(kW)': [2000, 2000, 2500],
    '年发电量(MWh)': [4800, 5100, 6200]
}
df = pd.DataFrame(data_dict)
print(df)

我记得有一次，现场给的 CSV 文件编码是 GBK，直接读出来全是乱码。加个参数 encoding='gbk' 就解决了。嗯，这种坑遇到一次就记住了。

3.2.2 数据清洗：处理缺失值和异常值

实际项目中的数据很少是干净的。风机停机、传感器故障、通讯中断，都会产生缺失值。

# 检查缺失值
print(df.isnull().sum())

# 删除含有缺失值的行
df_clean = df.dropna()

# 填充缺失值（比如用平均值填充）
df['风速'].fillna(df['风速'].mean(), inplace=True)

# 处理异常值：风速不可能大于30m/s
df = df[df['风速'] <= 30]

3.2.3 数据分组与聚合

风电投资分析中，经常需要按时间、按机组、按区域做汇总。

# 按月份分组，计算月平均风速
df['日期'] = pd.to_datetime(df['日期'])
df['月份'] = df['日期'].dt.month
monthly_avg = df.groupby('月份')['风速'].mean()
print(monthly_avg)

# 多列聚合：同时计算平均值和标准差
agg_result = df.groupby('风机编号').agg({
    '风速': ['mean', 'std'],
    '发电量': 'sum'
})
print(agg_result)

我个人习惯用 groupby 配合 agg，一次算出多个统计量。比如评估不同机型的经济性，我会按机型分组，计算平均发电量、标准差和容量因子，一张表就看清了。

3.2.4 时间序列处理

风电数据天然是时间序列。Pandas 的时间序列功能非常强大。

# 设置日期为索引
df.set_index('日期', inplace=True)

# 重采样：从小时数据重采样为日数据
daily_data = df.resample('D').mean()

# 滚动窗口：计算7天移动平均
df['风速_7日均线'] = df['风速'].rolling(window=7).mean()

# 时间偏移：计算滞后1小时的风速
df['风速_滞后1h'] = df['风速'].shift(1)

3.3 Matplotlib 基础绘图：让数据“说话”

数据算完了，怎么呈现给投资人？Matplotlib 就是干这个的。我见过太多人用 Excel 画图，说实话，那效果和专业报告差远了。用 Matplotlib 画出来的图，清晰、可定制、还能批量生成。

3.3.1 折线图：展示趋势

import matplotlib.pyplot as plt

# 简单折线图：日发电量趋势
days = range(1, 31)
power = [120, 135, 110, 150, 140, 130, 125, 145, 155, 160,
         140, 130, 120, 115, 125, 135, 145, 150, 140, 130,
         120, 110, 105, 115, 125, 135, 140, 145, 150, 155]

plt.figure(figsize=(10, 5))
plt.plot(days, power, marker='o', linestyle='-', color='blue')
plt.title('某风电场日发电量趋势')
plt.xlabel('日期（天）')
plt.ylabel('发电量（MWh）')
plt.grid(True, alpha=0.3)
plt.show()

嗯，这里要注意：plt.show() 在 Jupyter Notebook 里可以省略，但在脚本里必须写。我曾经在服务器上跑脚本，忘了加 plt.show()，结果图没保存下来，白跑了一夜。

3.3.2 散点图：看相关性

# 风速与发电量的散点图
wind_speed = np.random.normal(8, 2, 100)  # 模拟风速
power_output = 0.4 * wind_speed ** 3 + np.random.normal(0, 50, 100)  # 模拟发电量

plt.figure(figsize=(8, 6))
plt.scatter(wind_speed, power_output, alpha=0.6, color='green')
plt.title('风速与发电量关系')
plt.xlabel('风速（m/s）')
plt.ylabel('发电量（kW）')
plt.grid(True, alpha=0.3)
plt.show()

你看这个散点图，能明显看出风速和发电量不是线性关系，而是接近三次方关系。这就是为什么我们做投资测算时，要用功率曲线而不是简单线性回归。

3.3.3 柱状图：对比分析

# 不同机型年发电量对比
models = ['机型A', '机型B', '机型C', '机型D']
annual_energy = [4800, 5200, 6100, 5500]

plt.figure(figsize=(8, 5))
plt.bar(models, annual_energy, color=['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4'])
plt.title('不同机型年发电量对比')
plt.ylabel('年发电量（MWh）')
for i, v in enumerate(annual_energy):
    plt.text(i, v + 50, str(v), ha='center')
plt.show()

3.3.4 子图：多图组合

做投资报告时，经常需要把多个图放在一起对比。

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 左上：折线图
axes[0, 0].plot(days, power, color='blue')
axes[0, 0].set_title('日发电量趋势')

# 右上：散点图
axes[0, 1].scatter(wind_speed, power_output, alpha=0.6, color='green')
axes[0, 1].set_title('风速与发电量关系')

# 左下：柱状图
axes[1, 0].bar(models, annual_energy, color='orange')
axes[1, 0].set_title('机型对比')

# 右下：饼图（展示容量占比）
capacity = [30, 25, 20, 25]
axes[1, 1].pie(capacity, labels=models, autopct='%1.1f%%')
axes[1, 1].set_title('装机容量占比')

plt.tight_layout()
plt.show()

3.4 知识体系总览

下面这张图，是我自己总结的这三个库在风电投资分析中的定位。你看一眼就能明白它们各自负责什么。

说白了，这三个库是层层递进的关系。NumPy 负责底层的高性能计算，Pandas 负责中间层的数据清洗和分析，Matplotlib 负责最终的可视化呈现。你想想看，从原始的风速数据到最终的投资决策报告，每一步都离不开它们。

好了，这一讲的内容就到这里。记住，工具是死的，但思路是活的。下次遇到风电投资问题，先想想：数据从哪里来？用什么库处理？最终要呈现什么结果？想清楚了再动手。