3、探索性数据分析（EDA）：统计描述、相关性热力图、风速-功率散点图绘制
拿到风机运行数据之后，别急着建模。我个人的习惯是，先做一轮探索性数据分析，也就是EDA。这一步说白了，就是跟数据“混个脸熟”。你得知道数据长什么样，有没有脏数据，变量之间有没有关联。跳过这一步直接上模型，十有八九要翻车。
3.1 统计描述：先给数据“体检”
统计描述是EDA的第一步。我会用df.describe()快速看一眼数据的集中趋势和离散程度。重点关注几个指标：均值、标准差、最小值、最大值、四分位数。
import pandas as pd
# 读取数据
df = pd.read_csv('wind_turbine_data.csv')
# 快速统计描述
desc = df.describe()
print(desc)
输出结果大概长这样：
| 指标 | 风速 (m/s) | 有功功率 (kW) | 桨距角 (°) |
|---|---|---|---|
| count | 100000 | 100000 | 100000 |
| mean | 8.5 | 1500 | 5.2 |
| std | 3.2 | 800 | 8.1 |
| min | 0.0 | -50 | 0.0 |
| 25% | 6.0 | 800 | 0.0 |
| 50% | 8.0 | 1400 | 0.5 |
| 75% | 10.5 | 2100 | 8.3 |
| max | 25.0 | 2300 | 90.0 |
关键发现：
- 有功功率最小值是-50kW，这明显不合理。功率不可能是负的，除非风机在吸收电网功率。这通常是传感器故障或通讯异常导致的。
- 桨距角最大值90°，但正常运行时桨距角很少超过30°。90°说明风机可能处于停机或紧急变桨状态。
我曾经在某个风场遇到过类似情况：功率出现负值，一开始以为是数据采集问题，后来排查发现是功率模块的接线松了。所以看到异常值，别急着删，先搞清楚原因。
3.2 相关性热力图：变量之间的“亲疏关系”
统计描述看完了，接下来我会画一张相关性热力图。这玩意儿能直观地告诉你，哪些变量之间关系紧密，哪些变量是“八竿子打不着”的。
import seaborn as sns
import matplotlib.pyplot as plt
# 计算相关系数矩阵
corr_matrix = df.corr()
# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.2f')
plt.title('风机运行参数相关性热力图')
plt.show()
你想想看，风速和功率的相关系数通常很高，一般在0.8以上。但桨距角和功率的关系就复杂了——在低风速段，桨距角基本不变，相关性很弱；在高风速段，桨距角开始调节，相关性会变强。
我的经验：相关系数绝对值大于0.7的，可以认为是强相关。但要注意，相关性不等于因果性。比如风速和发电机转速高度相关，但你不能说风速导致了转速变化——实际上，风速驱动风轮旋转，风轮带动发电机，这才是因果关系。
3.3 风速-功率散点图：风机的“身份证”
风速-功率散点图，说白了就是风机的“身份证”。每台风机都有自己的特性曲线，散点图能帮你一眼看出这台风机是否健康。
plt.figure(figsize=(10, 6))
plt.scatter(df['风速'], df['有功功率'], alpha=0.3, s=1)
plt.xlabel('风速 (m/s)')
plt.ylabel('有功功率 (kW)')
plt.title('风速-功率散点图')
plt.grid(True, alpha=0.3)
plt.show()
正常的散点图应该呈现一个“S”形：
- 切入风速以下：功率为0，风机不发电。
- 切入风速到额定风速之间：功率随风速增加而增加，近似三次方关系。
- 额定风速以上：功率稳定在额定值附近，不再增加。
- 切出风速以上：风机停机，功率降为0。
异常模式识别：
- 功率偏低：散点整体下移，说明风机发电效率下降。可能是叶片结冰、变桨系统故障、或者电网限功率。
- 功率波动大：散点分布很散，不成带状。可能是湍流强度大，或者控制系统不稳定。
- 功率上限异常：额定功率点出现多个“台阶”。可能是变流器限功率，或者机组进入了降容运行模式。
避坑指南：我曾经在分析一个风场的数据时，发现散点图在额定风速附近出现了明显的“断层”。一开始以为是数据质量问题，后来排查发现是变桨系统的响应滞后导致的。所以，散点图上的异常，往往对应着实际的机械或电气故障。
3.4 知识体系总览
下面这张图，是我自己总结的EDA核心逻辑。你可以把它当成一个检查清单，每次做EDA时对照着来。
嗯，到这里，EDA的三个核心步骤就讲完了。统计描述帮你发现数据中的异常值，相关性热力图帮你理清变量之间的关系，风速-功率散点图则直接反映了风机的运行状态。这三步走完，你对数据的理解就已经很深入了。
我的习惯：每次做完EDA，我都会把发现的问题记录下来，形成一个“数据质量报告”。这份报告会跟着项目走，后续建模时遇到问题，回头翻翻报告，往往能找到线索。