从家庭用电数据到智能预测：一个完整的数据挖掘与多变量时序建模实战

1. 家庭用电数据挖掘实战入门

刚拿到家庭用电数据集时，我第一反应是这看起来就是个普通的CSV文件，但深入分析后发现其中藏着不少门道。这份数据记录了法国某家庭两年内每分钟的用电情况，包含9个关键字段，从日期时间到各种功率指标一应俱全。最让我意外的是，原始数据量竟然超过200万条记录，处理起来相当考验耐心和技巧。

数据预处理阶段我踩过不少坑。比如最初直接用pandas的read_csv加载数据时，发现内存直接爆了。后来改用chunksize分块读取才解决问题。缺失值处理也是个技术活，我试过均值填充、中位数填充，最后发现对于时序数据，滑动窗口填充效果最好。具体做法是取前后5个时间点的均值来填补缺失值，这样能保留数据的时间连续性。

python复制# 滑动窗口填充示例代码
def sliding_window_fill(series, window_size=5):
    filled = series.copy()
    for i in range(len(series)):
        if pd.isna(series[i]):
            start = max(0, i-window_size)
            end = min(len(series), i+window_size+1)
            filled[i] = series[start:end].mean()
    return filled

数据可视化环节更是让我大开眼界。直接绘制原始数据就像一团乱麻，根本看不出规律。后来我尝试按小时、按天做聚合，才逐渐看清用电模式的周期性特征。特别是用seaborn绘制热力图时，发现有功功率和电流强度相关性高达0.98，这个发现直接影响了后续的特征选择策略。

2. 用电行为深度分析技巧

分析家庭用电数据最有趣的部分是发现隐藏在数字背后的生活规律。我把一天划分为白天（8:00-18:00）和夜晚两个时段，发现厨房用电（Sub_metering_1）在工作日早晚各有一个高峰，明显对应早餐和晚餐时间。而周末这个模式就完全打乱了，高峰时段更加分散。

工作日和节假日的用电对比更是个宝藏。通过pandas的resample功能，我发现了几个关键规律：

• 工作日的用电高峰集中在早上7-9点和