python数据分析-连云港石化基地2023年用电量分析

2024-06-09 16:20

本文主要是介绍python数据分析-连云港石化基地2023年用电量分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

接下来对连云港石化基地2023年用电量进行分析,首先导入数据分析基本的包:

import pandas as pd
import matplotlib.pyplot as plt# Load the data from the provided Excel files
file_path1 = 'data1.xlsx'
file_path2 = 'data2.xlsx'data1 = pd.read_excel(file_path1)
data1

从上面结果可以发现,数据集一个有246条数据

# 接下来可以进行数据分析和可视化

# 将日期格式更改为仅包含年和月
data1['时间'] = data1['时间'].dt.to_period('M')# 接下来可以进行数据分析和可视化

接下来进行描述性统计结果分析:

  1. 数据概况

    • 数据包含了 246 个观测值,分别对应不同的月份和用电量。
    • 用电量的平均值为 3257539 千瓦时,中位数为 284677.5 千瓦时,说明数据存在一定的右偏态。
    • 标准差为 8436332 千瓦时,说明数据的离散程度较大,可能存在一些极端值。
  2. 用电量分布

    • 用电量的最小值为 11700 千瓦时,最大值为 37745478 千瓦时,说明数据的范围非常广泛。
    • 大部分用电量集中在较低的水平,可能存在一些大型用电设备或工业用户导致了极端值的出现。
  3. 异常值检测

    • 可以通过绘制箱线图来检测异常值。从箱线图中可以看出,存在一些用电量明显高于其他观测值的异常值。
    • 这些异常值可能需要进一步调查,以确定是否存在数据录入错误或其他异常情况。
import matplotlib.pyplot as plt 
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['KaiTi']  #中文
plt.rcParams['axes.unicode_minus'] = False   #负号
import pandas as pd
import seaborn as sns
# 企业用电量排名
import matplotlib.pyplot as plt
import numpy as np# 定义企业名称和用电量数据
companies = ['盛虹炼化(连云港)有限公司', '连云港石化有限公司', '江苏瑞恒新材料科技有限公司', '江苏嘉宏新材料有限公司', '江苏方洋能源科技有限公司','中化连云港石化仓储有限公司', '连云港徐圩港口控股集团有限公司', '连云港圣奥化学科技有限公司', '江苏洋井石化集团有限公司', '连云港徐圩港口码头有限公司']
electricity = [4191025003, 2192691053, 1186132719, 283658970, 87738582, 21805327, 9319212, 7785657, 7636359, 7440616]# 为每个企业选择一个不同的颜色
colors = plt.cm.tab10(np.arange(len(companies)))# 绘制柱状图
plt.figure(figsize=(10, 8),dpi=200)
plt.bar(companies, electricity, color=colors)
plt.xlabel('企业名称')
plt.ylabel('用电量')
plt.title('不同企业的用电量情况')
plt.xticks(rotation=45)  # 如果企业名称较长,可以旋转以免重叠
# plt.grid(True)  # 显示网格线# 设置y轴标签为非科学技术法显示
plt.gca().ticklabel_format(axis='y', style='plain')
plt.show()

首先,我们对数据进行了彻底的清洗和验证,确保所有用电数据均准确无误。然后,我们从企业规模和行业类型这两个维度对数据进行了对比分析。具体来说,我们将企业按照用电量进行了排名,以此识别出用电量最高的企业。分析结果表明,盛虹炼化(连云港)有限公司和连云港石化有限公司的用电量显著高于其他企业,这反映了它们作为该地区主要炼油或化工企业的能源密集特性。它们对电力的巨大需求可能是支持高强度生产过程所必需的。紧随其后的江苏瑞恒新材料科技有限公司,其用电量也相对较高,这可能指示该公司是一家从事新材料生产的高能耗企业。与这些企业相比,其他企业的用电量相对较低,这可能反映了它们较小的规模或参与的行业对能源的需求相对较低。尽管如此,这些企业仍在当地经济中扮演着重要角色。

# 绘制条形图
plt.figure(figsize=(12, 6),dpi=200)
sns.barplot(x=monthly_electricity.index, y=monthly_electricity.values)
plt.title('每月用电量分布')
plt.xlabel('月份')
plt.ylabel('用电量(千瓦时)')
# 设置y轴标签为非科学技术法显示
plt.gca().ticklabel_format(axis='y', style='plain')
plt.show()

 

# 为饼图准备数据
values = [specific_company_electricity, total_electricity - specific_company_electricity]
labels = ['江苏瑞恒新材料科技有限公司', '其他公司']# 绘制饼图
plt.figure(figsize=(8, 6),dpi=200)
plt.pie(values, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title('江苏瑞恒新材料科技有限公司用电量占比')
plt.show()

 

我们的分析结果显示,江苏瑞恒新材料科技有限公司的用电量占比高达14.8%,这一显著的比例不仅展示了该公司在当地能源消耗方面的重要性,而且暗示了其较大的企业规模和市场影响力。在典型经济体中,企业的用电量往往与其规模、产能和产品产出水平紧密相关。较高的用电量可能表明该公司拥有大型生产设施和高产出的生产线。此外,这一较高的用电量占比还可能反映出该公司在其行业中的领先地位,如在新材料科技领域的技术优势或市场占有率。 

读取另一个文件

import pandas as pd
import matplotlib.pyplot as plt# Load the data from the provided Excel files
file_path2 = 'data2.xlsx'data2 = pd.read_excel(file_path2)
data2

通过这个数据集,可以了解不同用电单位在特定时间内的用电情况,包括用电量的多少。这对于电力管理、计费、规划等方面都具有重要的参考价值。同时,结合其他相关信息,还可以进一步分析用电趋势、优化电力供应等。

这里设置显示选项,避免科学计数法

pd.set_option('display.float_format', lambda x: '%.2f' % x)# 只显示数值型数据的描述统计信息
numeric_data_description = data2.describe(include=np.number)
print(numeric_data_description)

# 按项目分组并计算每个项目的总用电量
project_electricity = data2.groupby('项目')['电量'].sum().sort_values(ascending=False).head(20)
# 重置索引,便于作图
project_electricity_df = project_electricity.reset_index()# 绘制条形图
plt.figure(figsize=(8, 10),dpi=300)
sns.barplot(x='电量', y='项目', data=project_electricity_df)
plt.title('前20个项目的用电量对比')
plt.xlabel('总用电量(千瓦时)')
plt.ylabel('项目')
plt.xticks(rotation=90)
# 设置y轴标签为非科学技术法显示
plt.gca().ticklabel_format(axis='x', style='plain')
plt.show()

从图表中明显看出,如220kV炼化变高压供用电和连云港石化高压供用电这样的主要项目用电量显著高于其他项目,这些项目代表了该地区主要的工业生产基地,其高用电量体现了对电力的强烈需求。同时,我们也注意到了一些与新材料产业相关的项目,比如瑞恒新材料110kV瑞恒碳三变电站高压供用电,这些项目的用电数据提供了对新兴行业在当地经济中的发展情况和影响力的重要见解。除了工业生产,我们还发现了诸如能源科技第三方治理工程高压供用电这样的能源治理和环保项目,这些项目的用电情况反映了当地对环保和可持续发展的重视。

通过这项分析,我们得以全面了解该地区的产业结构、经济活动和基础设施建设状况。排名前20的项目不仅涵盖了石化、新材料、能源治理和环保等多个领域,还包括了基础设施建设项目,如变电站和输煤管道,这些用电数据反映出对基础设施建设的投入,突显了该地区对建设和发展的承诺。这样的综合分析不仅帮助我们把握当地的经济结构和发展趋势,而且为未来的经济发展和能源规划提供了宝贵的参考。这些信息对于政府规划部门、企业决策者以及投资者都极为重要,帮助他们在制定策略和计划时做出更加明智的选择。

数据加完整代码

创作不易,希望大家多点赞关注评论!!!

这篇关于python数据分析-连云港石化基地2023年用电量分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1045684

相关文章

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何

python使用fastapi实现多语言国际化的操作指南

《python使用fastapi实现多语言国际化的操作指南》本文介绍了使用Python和FastAPI实现多语言国际化的操作指南,包括多语言架构技术栈、翻译管理、前端本地化、语言切换机制以及常见陷阱和... 目录多语言国际化实现指南项目多语言架构技术栈目录结构翻译工作流1. 翻译数据存储2. 翻译生成脚本

Springboot中分析SQL性能的两种方式详解

《Springboot中分析SQL性能的两种方式详解》文章介绍了SQL性能分析的两种方式:MyBatis-Plus性能分析插件和p6spy框架,MyBatis-Plus插件配置简单,适用于开发和测试环... 目录SQL性能分析的两种方式:功能介绍实现方式:实现步骤:SQL性能分析的两种方式:功能介绍记录

如何通过Python实现一个消息队列

《如何通过Python实现一个消息队列》这篇文章主要为大家详细介绍了如何通过Python实现一个简单的消息队列,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录如何通过 python 实现消息队列如何把 http 请求放在队列中执行1. 使用 queue.Queue 和 reque

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

使用Python快速实现链接转word文档

《使用Python快速实现链接转word文档》这篇文章主要为大家详细介绍了如何使用Python快速实现链接转word文档功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 演示代码展示from newspaper import Articlefrom docx import

Python Jupyter Notebook导包报错问题及解决

《PythonJupyterNotebook导包报错问题及解决》在conda环境中安装包后,JupyterNotebook导入时出现ImportError,可能是由于包版本不对应或版本太高,解决方... 目录问题解决方法重新安装Jupyter NoteBook 更改Kernel总结问题在conda上安装了

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相

Python安装时常见报错以及解决方案

《Python安装时常见报错以及解决方案》:本文主要介绍在安装Python、配置环境变量、使用pip以及运行Python脚本时常见的错误及其解决方案,文中介绍的非常详细,需要的朋友可以参考下... 目录一、安装 python 时常见报错及解决方案(一)安装包下载失败(二)权限不足二、配置环境变量时常见报错及