我找不到符合我问题的线索。。。如果这不是真的,请不要犹豫,张贴到线程的链接。你知道吗
我有下面的数据帧,我必须分析。这是它的头:
EMBieding AeolisBieding ... Diff_EM Diff_Aeolis
StartTime ...
2019-09-01 00:00:00 3058.24 3494.0 ... -3126.24 -3562.0
2019-09-01 01:00:00 2906.01 3480.0 ... -2974.01 -3548.0
2019-09-01 02:00:00 2836.22 3470.0 ... -2903.22 -3537.0
2019-09-01 03:00:00 2805.66 3448.0 ... -2848.66 -3491.0
2019-09-01 04:00:00 2541.54 3413.0 ... -2606.54 -3478.0
除了总体误差度量,我还想找出每小时的误差。 这意味着,必须将0到23之间的小时数相加。 使用以下代码,很容易找到平均值:
data= importdata('871687110001543570.csv')
data_perhour = data.groupby(data.index.hour).mean()
data_perhour.drop
print(data_perhour)
我很容易找到每列的平均值。你知道吗
EMBieding AeolisBieding ... Diff_EM Diff_Aeolis
StartTime ...
0 1175.862033 1279.577236 ... -253.707561 -357.422764
1 1153.947724 1264.723577 ... -309.435528 -420.211382
2 1146.239016 1259.459016 ... -336.763607 -449.983607
3 1133.350976 1251.268293 ... -390.928211 -508.845528
4 1127.061789 1251.300813 ... -405.411382 -529.650407
我使用的误差度量是NBIAS、NMAE和NRMSE。我用以下公式计算
# statistic calculates the different errormeasurements: NBIAS,NMAE,NRMSE. Input arguments are: data; this is the output from the
# importdata function. parksize; which is just the installed power of the respective farm, for normalization. filename
# is needed to produce a unique new filename.
def statistic(data,park_size,filename):
def NBIAS(Diff_forecaster,park_size):
return data[Diff_forecaster].mean()/park_size
def NMAE(Bied_forecaster,park_size):
return mean_absolute_error(data['Production'], data[Bied_forecaster]) /park_size
def NRMSE(Bied_forecaster,park_size):
return (sqrt(mean_squared_error(data['Production'], data[Bied_forecaster])) /np.square(park_size))
# Calculate the overall errormeasure and save it directly in a external .csv
ErrorMeasure = {'EM':[NBIAS('Diff_EM',park_size),NMAE('EMBieding',park_size),NRMSE('EMBieding',park_size)],
'Aeolis':[NBIAS('Diff_Aeolis',park_size),NMAE('Bied',park_size ),NRMSE('Bied',park_size)]}
df_ErrorMeasure = pd.DataFrame(ErrorMeasure,index=['NBIAS','NMAE','NRMSE'])
df_ErrorMeasure.to_csv('errormeasure'+filename)
data_perhour=data.groupby(data.index.hour).apply(NBIAS('EMBieding',park_size))
print(data_perhour)
最后两行是试图得到每小时的NBIAS。但是,我得到一个错误:
TypeError: 'numpy.float64' object is not callable
如何获得每小时的误差度量?这意味着,我可以使用自己的函数(比如.NBIAS
)来替换data.groupby(data.index.hour)
之后的.mean
。你知道吗
有什么建议吗?`你知道吗
NBIAS
返回平均值(浮点)除以park_size
。这是一个数字,正如错误消息所说的numpy.float64
。apply
接受可调用函数,例如函数或lambda。你知道吗相反,请尝试:
Pandas
groupby
apply
接受一个可调用的参数,该参数接收与组对应的数据帧的子集。您的问题是NBIAS
函数没有相应的参数,并且作用于原始数据帧。你知道吗为了在
groupby
中使用它,您需要调整它:然后你可以这样使用它:
相关问题 更多 >
编程相关推荐