前言

首先感謝 Datawhale 組織這個活動，讓我有機會入門機器學習。

嘛，不過這個 Task1 只要跟著速通手冊運行給定程序，再拿結果去提交，體驗下過程而已，于我而言，更為寶貴的地方是后續的“加餐”，也就是分析題目，精讀代碼的部分

“加餐”小結

分析題目

賽題任務是：通過多個房屋歷史電力消耗數據等信息，預測房屋對應電力的消耗。

這是所謂的“時間序列問題”，簡單地說就是分析數據和預測趨勢。

說起來，大一的課程設計也簡單做過所謂的“酒吧銷量預測”功能，當時是采用“線性回歸”來著。

而要解決這樣的問題，就大致有建立傳統時間序列模型、機器學習模型、深度學習模型的方法。

這三種方法各有利弊，按適合處理數據集規模大小和預測能力升序，按解釋性和計算資源降序。

分析代碼

先貼出代碼好了

# 1. 導入需要用到的相關庫
# 導入 pandas 庫，用于數據處理和分析
import pandas as pd
# 導入 numpy 庫，用于科學計算和多維數組操作
import numpy as np

# 2. 讀取訓練集和測試集
# 使用 read_csv() 函數從文件中讀取訓練集數據，文件名為 'train.csv'
train = pd.read_csv('train.csv')
# 使用 read_csv() 函數從文件中讀取測試集數據，文件名為 'train.csv'
test = pd.read_csv('test.csv')

# 3. 計算訓練數據最近11-20單位時間內對應id的目標均值

target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()

# 4. 將target_mean作為測試集結果進行合并
test = test.merge(target_mean, on=['id'], how='left')

# 5. 保存結果文件到本地
test[['id','dt','target']].to_csv('submit.csv', index=None)

如果只是想了解思路，那么看完速通手冊，大致讀讀注釋即可，不過陸爻齊喜歡再深入一點點。

比如，為啥只要11-20天數據，1-20不行嗎，reset_index()是什么函數？

要理解處理數據的方式，可以看看數據本身的樣子，不過這里吐槽下，我還是第一次見到 WPS 會說太大了，受不了：）

回到正題，來看看這數據集究竟長啥樣

……………………………………………………

顯然，圖中 id 是房子編號，dt 是日期，type 是房子類型（暫且用不到），target 是用電量。

所以，代碼target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()翻譯為自然語言，就是：以 id 為分組標識（想起了 mysql ），選擇其中日期 dt 小于等于 20 的數據，計算均值并重置索引。

重置索引的具體解釋，可以參考 這篇文章。

如此，target_mean 相當于下面數據

id target
00037f39cf 39.6543
……

而代碼test = test.merge(target_mean, on=['id'], how='left')則將上面剛得的 target_mean 與 test 左外連接。

先看看test長啥樣好了

圖片不用多加解釋，其實所謂的左外連接（又想起 mysql 了），就是把 test 以 id 為組，連到右邊的 target_mean，離散數學的映射中算是“滿射”

舉個栗子，test 中，id 00037f39cf 有十條，區別只有 id 1-10，而target_mean 中，id 00037f39cf 只有一條數據，也就是上面的

id target
00037f39cf 39.6543

于是按 id 連接，將相同 id 對應進行連接，也就是在 test 的基礎上，把 target_mean 同 id 那條數據中，除 id 自己外的屬性，連接到 test 上，如

id dt type target
00037f39cf 1 2 39.6543
00037f39cf 2 2 39.6543
00037f39cf 3 2 39.6543
……

最后一條代碼，即只保留該數據的id dt target，保存為新的表格 csv 文件，也就是那個 submit.csv。

小結

Task1 本身操作很簡單，要理解也不難，對于陸爻齊這樣稍微有點基礎知識也算有趣，后續推薦的 Pandas 學習的第十章也是時序預測（笑，期待 Task2。