完整的 Python 数据分析案例：农业作物产量预测

1.

案例背景

在农业领域，准确预测作物产量对于制定农业政策、保障粮食安全、优化农产品市场供需平衡至关重要。通过分析气象数据（如温度、降水、光照等）、土壤条件（如肥力、酸碱度等）和农业管理措施（如施肥量、灌溉量等）等多方面因素，构建产量预测模型，有助于农民合理安排生产计划，提高农业生产效益。

代码实现

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPRegressor
from sklearn.metrics import mean_squared_error, r2_score

# 数据读取
data = pd.read_csv('agriculture_crop_yield.csv')

# 数据探索性分析
print('数据基本信息：')
data.info()

# 查看数据集行数和列数
rows, columns = data.shape

if rows < 1000:
    # 小数据集（行数少于 1000）查看全量数据信息
    print('数据全部内容信息：')
    print(data.to_csv(sep='\t', na_rep='nan'))
else:
    # 大数据集查看数据前几行信息
    print('数据前几行内容信息：')
    print(data.head().to_csv(sep='\t', na_rep='nan'))

# 数据清洗
# 处理缺失值
data['temperature'] = data['temperature'].fillna(data['temperature'].mean())
data['precipitation'] = data['precipitation'].fillna(data['precipitation'].median())
data = data.dropna(subset=['yield'])

# 特征工程
# 计算温度和降水的交互项
data['temp_precip_product'] = data['temperature'] * data['precipitation']

# 对作物类型进行独热编码
crop_type_dummies = pd.get_dummies(data['crop_type'], prefix='crop')
data = pd.concat([data, crop_type_dummies], axis=1)

# 特征选择
features