T85_code/两张表特征对齐.ipynb

In [1]:

import pandas as pd
import numpy as np

In [3]:

total_data = pd.read_csv('train_data.csv')
total_data.head(3)

Out[3]:

	电厂名称	机组编号	铭牌容量 (MW)	机组类型	参数分类	冷凝器型式	入炉煤低位热值(kJ/kg)	燃煤挥发份Var(%)	燃煤灰份Aar(%)	煤种	所处地区	longitude	latitude	altitude	发电碳排放因子(kg/kWh)	供热碳排放因子(kg/MJ)
0	江苏利港电力有限公司	1	350.0	纯凝式	亚临界	水冷	21602.05000	26.09	16.80	烟煤	江苏省	120.09662	31.942361	1.0	0.586990	0.076843
1	江苏利港电力有限公司	1	350.0	纯凝式	亚临界	水冷	21926.81000	26.68	15.41	烟煤	江苏省	120.09662	31.942361	1.0	0.632859	0.077676
2	江苏利港电力有限公司	1	350.0	纯凝式	亚临界	水冷	21261.93062	26.46	15.18	烟煤	江苏省	120.09662	31.942361	1.0	0.609196	0.074823

In [23]:

total_data.shape

Out[23]:

(5741, 16)

In [4]:

unit_data = pd.read_excel('./data/煤电机组情况（含企业名称）.xlsx')
unit_data.head(3)

Out[4]:

	发电类型	地区	城市	企业名称	机组编号	机组状态	机组数量	单机容量（MW）	总容量（MW）	核心设备类型	汽轮机类型	压力参数	冷却方式
0	煤电	安徽省	安庆市	国能神皖安庆发电有限责任公司	1	在役	1	320.0	320.0	煤粉锅炉	凝气式	亚临界	水冷-开式循环
1	煤电	安徽省	安庆市	国能神皖安庆发电有限责任公司	2	在役	1	320.0	320.0	煤粉锅炉	凝气式	亚临界	水冷-开式循环
2	煤电	安徽省	安庆市	国能神皖安庆发电有限责任公司	3	在役	1	1000.0	1000.0	煤粉锅炉	凝气式	超超临界	水冷-闭式循环

In [21]:

total_data.rename(columns={'电厂名称':'企业名称'}, inplace=True)
total_data['机组编号'] = total_data['机组编号'].astype('str')
unit_data['机组编号'] = unit_data['机组编号'].astype('str')

In [44]:

def change_type(x:str):
    if pd.isna(x):
        return x
    x = x.strip()
    if '纯凝' in x:
        return '纯凝式'
    if '供热' in x:
        return '供热式'
    if '煤粉' in x:
        return '煤粉锅炉'
    if x.startswith('循环流化床'):
        return '循环流化床锅炉'
    if '三废' in x:
        return '三废炉'
    if '直接空冷' in x:
        return '直接空冷'
    if '间接空冷' in x:
        return '间接空冷'
    return x

In [28]:

merge_data = total_data.merge(unit_data[['企业名称','机组编号','汽轮机类型', '压力参数', '冷却方式']], how='left', on=['企业名称', '机组编号'])

In [32]:

merge_data['机组类型'] = merge_data.apply(lambda x: x['机组类型'] if pd.isna(x['汽轮机类型']) else x['汽轮机类型'], axis=1)

In [34]:

merge_data['参数分类'] = merge_data.apply(lambda x: x['参数分类'] if pd.isna(x['压力参数']) else x['压力参数'], axis=1)

In [35]:

merge_data['冷凝器型式'] = merge_data.apply(lambda x: x['冷凝器型式'] if pd.isna(x['冷却方式']) else x['冷却方式'], axis=1)

In [37]:

merge_data['冷凝器型式'].value_counts()

Out[37]:

水冷-闭式循环    2143
水冷         1166
水冷-开式循环    1101
空冷-直接空冷     492
直接空冷        241
空冷-间接空冷     154
间接空冷         74
空冷           19
其他            2
Name: 冷凝器型式, dtype: int64

In [41]:

use_data = merge_data[merge_data.columns[:-3]].copy()

In [45]:

for col in ['机组类型', '参数分类', '冷凝器型式']:
    use_data[col] = use_data[col].apply(change_type)

In [47]:

use_data.to_excel('train_data.xlsx', index=False)

In [54]:

unit_data[unit_data['企业名称'].str.contains('霍州')]

Out[54]:

	发电类型	地区	城市	企业名称	机组编号	机组状态	机组数量	单机容量（MW）	总容量（MW）	核心设备类型	汽轮机类型	压力参数	冷却方式
4026	煤电	山西省	临汾市	国家能源集团华北电力有限公司霍州发电厂	1	在役	1	600.0	600.0	煤粉锅炉	凝气式	超临界	空冷-直接空冷
4027	煤电	山西省	临汾市	国家能源集团华北电力有限公司霍州发电厂	2	在役	1	600.0	600.0	煤粉锅炉	凝气式	超临界	空冷-直接空冷
4056	煤电	山西省	吕梁市	霍州煤电集团吕梁山煤电有限公司方山发电厂	1	在役	1	60.0	60.0	循环流化床锅炉	抽凝式	高压	空冷-直接空冷
4057	煤电	山西省	吕梁市	霍州煤电集团吕梁山煤电有限公司方山发电厂	2	在役	1	60.0	60.0	循环流化床锅炉	抽凝式	高压	空冷-直接空冷

In [ ]: