python - R 或 Python - 循环测试数据 - 接下来 24 小时的预测验证(每天 96 个值)

Question

我有一个大数据集，低于训练和测试数据集

train_data是从2016-01-29到2017-12-31

head(train_data)
        date           Date_time Temp     Ptot      JFK      AEH      ART       CS       CP
1 2016-01-29 2016-01-29 00:00:00 30.3 1443.888 52.87707 49.36879 28.96548 6.239999 49.61212
2 2016-01-29 2016-01-29 00:15:00 30.3 1410.522 49.50248 49.58356 26.37977 5.024000 49.19649
3 2016-01-29 2016-01-29 00:30:00 30.3 1403.191 50.79809 49.04253 26.15317 5.055999 47.48126
4 2016-01-29 2016-01-29 00:45:00 30.3 1384.337 48.88359 49.14100 24.52135 5.088000 46.19261
5 2016-01-29 2016-01-29 01:00:00 30.1 1356.690 46.61842 48.80624 24.28208 5.024000 43.00352
6 2016-01-29 2016-01-29 01:15:00 30.1 1341.985 48.09687 48.87748 24.49988 4.975999 39.90505

test_data是从2018-01-01到2018-07-12

tail(test_data)
            date           Date_time Temp     Ptot      JFK      AEH      ART    CS       CP
86007 2018-07-12 2018-07-12 22:30:00 64.1 1458.831 82.30099 56.93944 27.20252 2.496 54.41050
86008 2018-07-12 2018-07-12 22:45:00 64.1 1457.329 61.68535 54.28934 28.59752 3.728 54.15208
86009 2018-07-12 2018-07-12 23:00:00 63.5 1422.419 80.56367 56.40752 27.99190 3.520 53.85705
86010 2018-07-12 2018-07-12 23:15:00 63.5 1312.021 52.25757 56.40283 22.03727 2.512 53.72166
86011 2018-07-12 2018-07-12 23:30:00 63.5 1306.349 65.65347 56.20145 22.77093 3.680 52.71584
86012 2018-07-12 2018-07-12 23:45:00 63.5 1328.528 57.47283 57.73747 19.50940 2.432 52.37458

我想在 test_data 中进行 24 小时(从 2018-01-01 到 2018-07-12 的每一天) 的预测验证循环。每天的预测是 (96) 个值 - 15 分钟采样 -。也就是说，我每次都要选取96个值，放到代码所示的test_data中，计算MAPE。

目标变量:Ptot

预测因素:Temp、JFK、AEH、...等

我完成了如下所示的预测

input = train_data[c("Temp","JFK","AEH","ART","CS","CP","RLF", "FH" ,"TJF" ,"GH" , "JPH","JEK", "KL",
                     "MH","MC","MRH", "PH","OR","RP","RC","RL","SH", "SPC","SJH","SMH","VWK","WH","Month","Day",
                     "Year","hour")]
target = train_data["Ptot"]

glm_model <- glm(Ptot~ ., data= c(input, target), family=gaussian)

我想遍历“test_data”-创建一个循环-通过每次从测试表中依次进行 96 次观察-96 行-直到数据集结束并计算 MAPE 并保存所有的值(value)。我在 R 中实现了这个。

如下图所示。每次从 (test_data) 中取出 96 行并将它们放入函数的“test_data”中。这只是一个解释，没有显示所有 96 个值:)

这是我必须为其创建循环的函数

pred<- predict.glm(glm_model,test_data)

mape <- function(actual, pred){
  return(100 * mean(abs((actual- pred)/actual)))
}

我将展示如何进行第一天的预测验证

1- 从 test_data 中选择 96 个值(即 2018-01-01)

One_day_data <- test_data[test_data$date == "2018-01-01",]

2- 在函数中放入一天的值

pred<- predict.glm(glm_model,One_day_data )

3-这是运行pred后的预测结果(96个值=一天)

print(pred)
   67489    67490    67491    67492    67493    67494    67495    67496    67497    67498 
1074.164 1069.527 1063.726 1082.404 1077.569 1071.265 1070.776 1073.686 1061.720 1063.554 
   67499    67500    67501    67502    67503    67504    67505    67506    67507    67508 
1074.264 1067.393 1071.111 1076.754 1079.700 1071.244 1097.977 1089.862 1091.817 1098.025 
   67509    67510    67511    67512    67513    67514    67515    67516    67517    67518 
1125.495 1133.786 1136.545 1138.473 1176.555 1183.483 1184.795 1186.220 1192.328 1187.582 
   67519    67520    67521    67522    67523    67524    67525    67526    67527    67528 
1186.513 1254.844 1262.021 1258.816 1240.280 1229.237 1237.582 1250.030 1243.189 1262.266 
   67529    67530    67531    67532    67533    67534    67535    67536    67537    67538 
1251.563 1242.417 1259.352 1269.760 1271.318 1266.984 1260.113 1247.424 1200.905 1198.161 
   67539    67540    67541    67542    67543    67544    67545    67546    67547    67548 
1202.372 1189.016 1193.479 1194.668 1207.064 1199.772 1189.068 1176.762 1188.671 1208.944 
   67549    67550    67551    67552    67553    67554    67555    67556    67557    67558 
1199.216 1193.544 1215.866 1209.969 1180.115 1182.482 1177.049 1196.165 1145.335 1146.028 
   67559    67560    67561    67562    67563    67564    67565    67566    67567    67568 
1161.821 1163.816 1114.529 1112.068 1113.113 1107.496 1073.080 1082.271 1097.888 1095.782 
   67569    67570    67571    67572    67573    67574    67575    67576    67577    67578 
1081.863 1068.071 1061.651 1072.511 1057.184 1068.474 1062.464 1061.535 1054.550 1050.287 
   67579    67580    67581    67582    67583    67584 
1038.086 1045.610 1038.836 1030.429 1031.563 1019.997

我们可以从“Ptot”中得到实际值

actual<-   One_day_data$Ptot
     [1] 1113.398 1110.637 1111.582 1110.816 1101.921 1111.091 1108.501 1112.535 1104.631 1108.284
    [11] 1110.994 1106.585 1111.397 1117.406 1106.690 1101.783 1101.605 1110.183 1104.162 1111.829
    [21] 1117.093 1125.493 1118.417 1127.879 1133.574 1136.395 1139.048 1141.850 1145.630 1141.288
    [31] 1141.897 1140.310 1138.026 1121.849 1122.069 1120.479 1120.970 1111.594 1109.572 1116.355
    [41] 1115.454 1113.911 1115.509 1113.004 1119.440 1112.878 1117.642 1100.516 1099.672 1109.223
    [51] 1105.088 1107.167 1114.355 1110.620 1110.499 1110.161 1107.868 1118.085 1108.166 1106.347
    [61] 1114.036 1106.968 1109.807 1113.943 1106.869 1104.390 1102.446 1110.770 1114.684 1114.142
    [71] 1118.877 1128.470 1133.922 1128.420 1134.058 1142.529 1126.432 1127.824 1124.561 1130.823
    [81] 1122.907 1117.422 1116.851 1114.980 1114.543 1108.584 1120.410 1120.900 1109.226 1101.367
    [91] 1098.330 1110.474 1106.010 1108.451 1095.196 1096.007

4-运行Mape函数并保存结果(我有实际值)

mape <- function(actual, pred){
  return(100 * mean(abs((actual- pred)/actual)))
}

5- 在接下来的 24 小时(即 2018-01-02)做同样的事情，依此类推

---

不完整的解决方案，这是不正确的! (我觉得应该是这样的)

 result_df =[]
    for (i in 1:96){
  test_data<- test_data[i,]
  pred<- predict.glm(glm_model,test_data)
  result_df$pred[i] <- pred
  result_df$Actual[i+1] <- result_df$pred[i]

mape[i] <- function(actual, pred){
      return(100 * mean(abs((actual- pred)/actual)))
    }

}

总结:我想通过每次递增一天到 pred 来存储 mape 的所有值。

注意: 如果您能向我展示 R 和/或 Python 中的循环过程，我将不胜感激。

Answer 1

考虑构建一个通用函数 mape_calc，以接收子集数据帧作为输入并在 R 的 by 中调用该函数。作为tapply 的面向对象包装器，by 将按每个不同的date 对主数据帧进行子集化，将子集传递到定义的函数中进行计算。

在该方法中，构建了一个新的单行数据框以将 map 与每个日期 对齐。然后用do.call将所有行绑定(bind)在一起:

mape_calc <- function(sub_df) {
  pred <- predict.glm(glm_model, sub_df)
  actual <- sub_df$Ptot
  mape <- 100 * mean(abs((actual - pred)/actual))

  new_df <- data.frame(date = sub_df$date[[1]], mape = mape)

  return(new_df)
}

# LIST OF ONE-ROW DATAFRAMES
df_list <- by(test_data, test_data$date, map_calc)

# FINAL DATAFRAME
final_df <- do.call(rbind, df_list)

---

如果您在 Python pandas 和 numpy 中有相同的设置(对于 glm 模型可能是 statsmodels)，请使用 pandas DataFrame.groupby 作为 R 的 by 的对应项。当然，根据您的实际需要调整下面的伪代码。

import pandas as pd
import numpy as np
import statsmodels.api as sm
...

train_data = sm.add_constant(train_data)
model_formula = 'Ptot ~ Temp + JFK + AEH + ART + CS + CP ...'
glm_model = sm.glm(formula = model_formula, 
                   data = train_data.drop(columns=['date','Date_time']),  
                   family = sm.families.Gaussian()).fit()

def mape_calc(dt, sub_df):
    pred = glm_model.predict(sub_df.drop(columns=['date','Date_time','Ptot']))
    actual = sub_df['Ptot']
    mape = 100 * np.mean(np.abs((actual - pred)/actual))

    new_df = pd.DataFrame({'date': dt, 'mape': mape}, index=[0])

    return new_df

# LIST OF ONE-ROW DATAFRAMES
df_list = [mape_calc(i, g) for i, g in test_data.groupby('date')]

# FINAL DATAFRAME
final_df = pd.concat(df_list, ignore_index=True)