【深度学习——天气预测】

🍨 本文为🔗365天深度学习训练营 中的学习记录博客
🍦 参考文章：第R3周：天气预测（训练营内部可读）
🍖 作者：K同学啊

🍺我的环境：

• 语言环境：Python3.7
• 编译器：Spyder
• 深度学习框架：TensorFlow 2.1.0
• 数据地址：🔗百度网盘

一、导入数据

1、数据导入

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 EarlyStopping


data = pd.read_csv(r"D:\桌面\深度学习数据\天气识别\weatherAUS.csv")
df = data.copy()
print(data.head())

实验结果图：

2、查看数据描述信息

print(data.describe())

3、查看数据类型

print(data.dtypes)

4、数据类型转换

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

5、数据分组聚合

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

6、删除列

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

二、探索式数据分析

1、数据相关性探索

plt.figure(figsize = (15, 13))
#data.corr()表示了data中的两个变量之间的相关性
ax = sns.heatmap(data.corr(), square = True, annot = True, fmt = '.2f')
ax.set_xticklabels(ax.get_xticklabels(), rotation