🍨 本文为🔗365天深度学习训练营 中的学习记录博客
🍖 原作者：K同学啊

我的环境：

语言环境：Python3.10.7
编译器：VScode
深度学习环境：TensorFlow 2.13.0

数据集：

一、前期工作：

1、导入数据集

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation, Dropout
from tensorflow.keras.callbacks import EarlyStoppingdata = pd.read_csv("D:\weatherAUS.csv")
df = data.copy()
print(data.head())

Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。
Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使作图变得精致

2.数据预处理

print(data.describe)

运行结果：

print(data.dtypes)

运行结果：

data['Date'] = pd.to_datetime(data['Date'])
print(data['Date'])

pd.to_datetime(data['Date'])这一行代码使用了pd.to_datetime()函数。这个函数用于将一个或多个日期时间字符串转换为Pandas的日期时间格式。

运行结果：

data['year'] = data['Date'].dt.year
data['Month'] = data['Date'].dt.month
data['day'] = data['Date'].dt.day
data.head()

在这里，我们使用 .dt.year、.dt.month 和 .dt.day 属性获取由 'Date' 列中的日期信息生成的年、月和日，然后将每个新列添加到原始数据集中。

data.drop('Date', axis = 1, inplace = True)
print(data.columns)

data.drop('Date', axis = 1, inplace = True) :axis = 1 参数来表示我们要删除列（默认为行），并使用 inplace = True 参数来指示直接修改原始数据集而不是创建副本

二、搜索式数据分析

1、数据相关性探索

使用了Python中的matplotlib和seaborn库来创建热力图，用于显示数据集中各个数值型变量之间的相关性。

plt.figure(figsize = (15, 13))
ax = sns.heatmap(data.corr(), square = True, annot = True, fmt = '.2f')
ax.set_xticklabels(ax.get_xticklabels(), rotation = 90)
plt.show()

1. plt.figure(figsize=(15, 13)): 代码创建了一个新的图形窗口，设置图形的大小为宽度15单位、高度13单位。这将影响最终绘制出来的热力图的尺寸。

2. ax = sns.heatmap(data.corr(), square=True, annot=True, fmt='.2f'): 代码使用`seaborn`库的`heatmap`函数来创建热力图。具体做法是，首先从数据集`data`中计算各个数值型变量之间的相关性（相关系数），然后将这些相关性数据传递给`heatmap`函数。参数解释如下：
- data.corr(): 这部分代码计算数据集中各个数值型变量之间的相关性矩阵。`.corr()`是一个计算相关系数的函数。
- square=True: 参数表示将热力图的每个单元格设置为正方形。
- annot=True: 参数表示在每个热力图单元格中显示相关性值。
- fmt='.2f': 参数指定了如何格式化显示在单元格中的数字，`.2f`表示使用浮点数格式，并保留两位小数。

3. x.set_xticklabels(ax.get_xticklabels(), rotation=90): 这行代码用于设置X轴上的刻度标签的显示。`ax.get_xticklabels()`获取X轴刻度的标签，然后`set_xticklabels()`将这些标签应用到X轴上，并通过`rotation=90`将标签旋转90度，以便更好地显示，避免标签重叠。

2、是否会下雨

2.1 明天会下雨

使用了seaborn库来创建一个柱状图（条形图），用于显示数据集中关于明天是否会下雨的分类数据分布情况。

sns.set(style = "darkgrid")
plt.figure(figsize = (4, 3))
sns.countplot(x = "RainTomorrow", data = data)
plt.show()

1. sns.set(style="darkgrid"): 代码设置了seaborn绘图风格为“darkgrid”，即使用带有深色网格的风格。这一设置将影响后续绘图的外观样式。

2. plt.figure(figsize=(4, 3)): 代码创建了一个新的图形窗口，设置图形的大小为宽度4单位、高度3单位。这将影响最终绘制出来的柱状图的尺寸。

3. sns.countplot(x="RainTomorrow", data=data): 代码使用seaborn库的countplot函数来创建柱状图。具体做法是，指定要绘制的数据列为"RainTomorrow"，并从数据集`data`中获取这一列的数据。参数解释如下：
- x="RainTomorrow": 这个参数指定要在X轴上显示的数据列，即明天是否会下雨的信息。
- data=data: 这个参数指定要使用的数据集，即变量`data`中存储的数据。

4. plt.show(): 最后一行代码用于显示绘制好的柱状图窗口。调用这个函数将绘制好的图形显示出来。

柱状图显示了数据集中关于明天是否会下雨的分类数据分布情况。在图上，X轴表示“RainTomorrow”变量，即是否会下雨，Y轴表示对应的计数，即数据集中每个类别的数量。

2.2 今天会下雨

plt.figure(figsize = (4, 3))
sns.countplot(x = "RainToday", data = data)
plt.show()

2.3 探索'RainTomorrow'和'RainToday'两列数据之间的关系

x = pd.crosstab(data['RainTomorrow'], data['RainToday'])
print(x)

2.4 归一化处理

进行矩阵和数组的操作，计算一个百分比值的矩阵。

y = x / x.transpose().sum().values.reshape(2, 1) * 100
print(y)

1. x.transpose(): 这部分代码对变量`x`进行转置操作，即将矩阵的行变成列，列变成行。

2. .sum(): 在上一步骤得到的转置矩阵上调用`.sum()`方法，将对每一列进行求和操作，得到一个包含每列求和结果的向量。

3. .values: 在上一步骤得到的求和结果上调用`.values`属性，将其转换为NumPy数组。

4. .reshape(2, 1): 在上一步骤得到的NumPy数组上调用`.reshape(2, 1)`方法，将数组从一维转换为二维形状，其中有2行和1列。

5. x / x.transpose().sum().values.reshape(2, 1) * 100: 这部分代码进行了一些数组的操作：
- 首先将数组`x`除以上述步骤得到的二维数组，实现了逐元素的除法操作。
- 乘以100，将结果转换为百分比。

6. 'y': 将上述操作的结果赋值给变量`y`，得到了一个新的百分比值的矩阵。

以上操作用于分析数据集中不同列之间的比例关系，或者用于数据的归一化和相对比较等分析。

由上图可得：

如果今天不下雨，那么明天下雨的概率是：53.2%

两天都不下雨的概率是：84.6%
如果今天下雨,明天下雨的概率是： 46.7%

两天都下雨的概率是：46.7%

2.5绘图

y.plot(kind = "bar", figsize = (4, 3), color = ['#006666', '#d279a6'])
plt.show()

2.6 地理位置与当日下雨的关系

x = pd.crosstab(data['Location'], data['RainToday'])
y = x / x.transpose().sum().values.reshape((-1, 1)) * 100
y = y.sort_values(by = 'Yes', ascending = True)
color = ['#cc6699', '#006699', '#006666', '#862d86', '#ff9966']
y.Yes.plot(kind = 'barh', figsize = (15, 20), color = color)
plt.show()

2.7湿度和压力对下雨的影响

压力使用 Seaborn 和 Matplotlib 绘制了散点图，展示了两个特征 'Pressure9am' 和 'Pressure3pm' 的关系，并根据 `'RainTomorrow'` 列的值对点进行着色。

Pressure9am：上午9：00的气压

Pressure3pm：下午3：00的气压

plt.figure(figsize = (8,6))
sns.scatterplot(data = data, x = 'Pressure9am', y = 'Pressure3pm', hue = 'RainTomorrow')
plt.show()

1. plt.figure(figsize = (8,6)): 创建一个新的 Matplotlib 图形，指定图形的尺寸为宽度 8 英寸、高度 6 英寸。这行代码设置了绘图的尺寸。

2. sns.scatterplot(data = data, x = 'Pressure9am', y = 'Pressure3pm', hue = 'RainTomorrow'): 使用 Seaborn 的 `scatterplot` 函数绘制散点图。

- data = data: 这里的 data 是数据源。
- x = 'Pressure9am'` 和 `y = 'Pressure3pm'：这两个参数指定了要在 x 轴和 y 轴上绘制的特征，分别是 'Pressure9am' 和 'Pressure3pm'。
- hue = 'RainTomorrow'：这个参数表示通过 'RainTomorrow' 列的值对散点进行着色。每个散点的颜色将根据 'RainTomorrow' 列的值来决定。这在分类问题中可以用来显示分类的区分。

散点图x 轴表示 'Pressure9am' 特征的值，y 轴表示 'Pressure3pm' 特征的值，每个散点的颜色由 'RainTomorrow' 列的值决定。这样的图表可以帮助观察两个特征之间的关系

湿度

plt.figure(figsize = (8,6))
sns.scatterplot(data = data, x = 'Humidity9am', y = 'Humidity3pm', hue = 'RainTomorrow')
plt.show()

低压高温对第二天是否下雨有影响，尤其是下午三点的湿度

温度

plt.figure(figsize = (8,6))
sns.scatterplot(data = data, x = 'MaxTemp', y = 'MinTemp', hue = 'RainTomorrow')
plt.show()

三、数据集预处理

1.处理缺失值

计算每列中缺失数据的百分比

print(data.isnull().sum()/data.shape[0] * 100)

2.对指定列中缺失值进行随机选择填充

lst = ['Evaporation', 'Sunshine', 'Cloud9am', 'Cloud3pm']
for col in lst:fill_list = data[col].dropna()data[col] = data[col].fillna(pd.Series(np.random.choice(fill_list, size = len(data.index))))

1.fill_list = data[col].dropna()： 表示将数据集data中指定列col中的所有缺失值去除，并将其余非空的值赋值给名为fill_list的列表。

- dropna()方法的作用是去除包含缺失值的行或列。当我们在处理数据时，经常会遇到某些行或列存在缺失值的情况。如果不对缺失值进行处理，将会影响后续分析和建模的结果。我们需要使用该函数将缺失值去除或进行填充操作，以保证数据质量。

2.data[col] = data[col].fillna(pd.Series(np.random.choice(fill_list, size = len(data.index))))：代码的作用是对数据集data中指定列col中的缺失值进行填充。当data[col]中存在缺失值时，就使用fill_list中的随机值进行填充。

- fillna()方法用于填充数据缺失值。在该代码中，我们将fillna()方法应用于data[col]这一列数据，以便找到其中所有的缺失值，并对它们进行填充。

- pd.Series()方法用于将list、tuple、array等数据类型转换成pandas里的Series类型。在该代码中，我们将np.random.choice(fill_list, size = len(data.index))产生的 numpy ndarray 转换成了 pandas.Series。

- np.random.choice()方法从一个一维数组中随机抽取指定个数的元素。在该代码中，我们从fill_list中随机选择与data[col]中缺失值数量相同的元素，将这些元素组成一个新的数组，并使用该数组的值进行填充。

- np.random.choice(fill_list, size=len(data.index)) 表示从 fill_list 中随机选择一个与数据集行数相同的样本，并将这个样本转换为一个 Pandas Series 对象。

3、寻找数据集中所有的 object 类型的列

s = (data.dtypes == "object")
object_cols = list(s[s].index)
print(object_cols)

4、对缺失数据进行填充

lst=['Evaporation','Sunshine','Cloud9am','Cloud3pm']
for col in lst:fill_list = df[col].dropna()df[col] = df[col].fillna(pd.Series(np.random.choice(fill_list,size=len(df.index))))
s = (df.dtypes == 'object')
print(s)
print(s[s])
object_cols = list(s[s].index)
print(object_cols)for i in object_cols:df[i].fillna(df[i].mode()[0],inplace=True)
t=(df.dtypes == 'float64')
num_cols = list(t[t].index)
print(num_cols)

对数据集 data 中的所有 object 类型的列进行缺失值填充，采用众数（mode）填充。

for i in object_cols:data[i].fillna(data[i].mode()[0], inplace = True)

- inplace=True: 直接修改原对象，不创建副本.
- data[i].mode()[0] 返回频率出现最高的选项，众数.

对float类型的列进行中位数填充

t = (data.dtypes == "float64")
num_cols = list(t[t].index)
print(num_cols)
for i in num_cols:data[i].fillna(data[i].median(), inplace = True)

上述代码主要是针对 data文件中的浮点数类型的列进行缺失值填充。下面是代码的逐行解释：

- `t = (data.dtypes == "float64")`：这行代码创建了一个布尔型 Series（类似数组），其中每个元素表示对应列的数据类型是否为 `"float64"`（浮点数类型）。这里的 `data.dtypes` 返回一个包含 DataFrame 各列数据类型的 Series。
- `num_cols = list(t[t].index)`：这行代码将前面布尔型 Series `t` 中值为 `True` 的索引（即浮点数类型的列名）提取出来，形成一个列表 `num_cols`。这个列表包含了浮点数类型的列名。
- `for i in num_cols:`：这是一个循环，遍历列表 `num_cols` 中的每个浮点数类型的列。

- `data[i].fillna(data[i].median(), inplace=True)`：这行代码使用中位数（median）填充当前列中的缺失值。具体解释如下：
- `data[i]`：表示选择当前迭代的列。
- `.fillna(data[i].median(), inplace=True)`：使用中位数填充当前列的缺失值。`inplace=True` 表示在原地修改数据，将缺失值替换为中位数。

5.查看缺失情况

data.isnull().sum()

四、构建数据集

from sklearn.preprocessing import LabelEncoderlabel_encoder = LabelEncoder()
for i in object_cols:data[i] = label_encoder.fit_transform(data[i])X = data.drop(['RainTomorrow', 'day'], axis = 1).values
y = data['RainTomorrow'].valuesX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 101)scaler = MinMaxScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)

五、预测是否会下雨

1.搭建神经网络

from tensorflow.keras.optimizers import Adammodel = Sequential()
model.add(Dense(units = 24, activation = 'tanh'))
model.add(Dense(units = 18, activation = 'tanh'))
model.add(Dense(units = 23, activation = 'tanh'))
model.add(Dropout(0.5))
model.add(Dense(units = 12, activation = 'tanh'))
model.add(Dropout(0.2))
model.add(Dense(units = 1, activation = 'sigmoid'))optimizer = tf.keras.optimizers.Adam(learning_rate = 1e-4)model.compile(loss = 'binary_crossentropy', optimizer = optimizer, metrics = 'accuracy')

2、模型训练

early_stop = EarlyStopping(monitor = 'val_loss',mode = 'min',min_delta = 0.001,verbose = 1,patience = 25,restore_best_weights = True)model.fit(x = X_train, y = y_train,validation_data = (X_test, y_test), verbose = 1,callbacks = [early_stop],epochs = 10,batch_size = 32)

3.结果可视化

import matplotlib.pyplot as pltacc = model.history.history['accuracy']
val_acc = model.history.history['val_accuracy']loss = model.history.history['loss']
val_loss = model.history.history['val_loss']epochs_range = range(10)
plt.figure(figsize = (14, 4))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, acc, label = 'Training Accuracy')
plt.plot(epochs_range, val_acc, label = 'Validation Accuracy')
plt.legend()
plt.title("Training And Validation Accuracy")plt.subplot(1, 2, 2)
plt.plot(epochs_range, loss, label = 'Training Loss')
plt.plot(epochs_range, val_loss, label = 'Validation Loss')
plt.legend()
plt.title("Training And Validation Loss")plt.show()