과거의 전력 사용량 취득 오키나와 전력편
6839 단어 전력 사용량파이썬colaboratory
소개
전력 사용량 예측의 세미나를 하고 있어, 각 전력 회사의 공표되고 있는 과거의 사용 전력량의 형식이 마을 거리이므로 취득하기 어렵다고 하는 의견을 (들)물었습니다.
그래서 각 전력 회사별로 데이터 취득 방법을 정리해 보겠습니다.
덧붙여서, 대상으로 하는 전력회사는, 홋카이도 전력, 도호쿠 전력, 도쿄 전력, 호쿠리쿠 전력, 중부 전력, 간사이 전력, 중국 전력, 시코쿠 전력, 규슈 전력, 오키나와 전력으로, 이번은 오키나와 전력씨를 취급해 봅니다 .
주: 대량의 다운로드를 반복하면 서버에 부담이 걸리므로, 다운로드는 1회만으로 하는지, 대상 기간을 한정해 실시하도록 유의해 주세요.
운영 환경
Google의 Coraboratory라는 환경에서 작동합니다.
공동체
웹사이트
아래 웹사이트에서 데이터를 다운로드할 수 있습니다.
오키나와 전력 덴키 예보
다운로드
for y in range(2016, 2020):
for m in range(1,13):
# 2016年4月以前のデータはないので省略
if y == 2016 and m < 4:
continue
for d in range(1, 32):
url = "https://www.okiden.co.jp/denki2/juyo_10_{:04}{:02}{:02}.csv".format(y, m, d)
!wget $url
읽기 및 시각화
from glob import glob
import pandas as pd
# ダウンロードしたファイルの一覧を取得
files = glob("*.csv")
files.sort()
df_juyo = pd.DataFrame()
for f in files:
print("\r", f, end="")
try:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=7, nrows=24)
except:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=13, nrows=24)
df_juyo = pd.concat([df_juyo, df])
# 日時をインデックスに設定
df_juyo.index = pd.to_datetime(df_juyo["DATE"] + " " + df_juyo["TIME"])
df_juyo = df_juyo.sort_index()
# グラフ描画
df_juyo["当日実績(万kW)"].plot(figsize=(15,5))
할 수 있었다!
보충
가시화해 보면 2018년 후반에 뭔가 평소와 다른 경향을 볼 수 있습니다.
데이터의 에러일까라고 생각했으므로, 조금 확인해 보면 이하와 같은 그래프가 되어 있었습니다.
2018년 9월 재해를 살펴보면 다음과 같은 기사를 찾았습니다.
2018년 태풍 24호(2018년)
엄청난 피해가 있었던 것 같습니다.
전기 사용량을 보면, 여러가지 깨달음이 있네요.
이상, 현장에서 기무라가 전했습니다.
Reference
이 문제에 관하여(과거의 전력 사용량 취득 오키나와 전력편), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/mix_dvd/items/5abf6395ab81079a5d14
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Google의 Coraboratory라는 환경에서 작동합니다.
공동체
웹사이트
아래 웹사이트에서 데이터를 다운로드할 수 있습니다.
오키나와 전력 덴키 예보
다운로드
for y in range(2016, 2020):
for m in range(1,13):
# 2016年4月以前のデータはないので省略
if y == 2016 and m < 4:
continue
for d in range(1, 32):
url = "https://www.okiden.co.jp/denki2/juyo_10_{:04}{:02}{:02}.csv".format(y, m, d)
!wget $url
읽기 및 시각화
from glob import glob
import pandas as pd
# ダウンロードしたファイルの一覧を取得
files = glob("*.csv")
files.sort()
df_juyo = pd.DataFrame()
for f in files:
print("\r", f, end="")
try:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=7, nrows=24)
except:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=13, nrows=24)
df_juyo = pd.concat([df_juyo, df])
# 日時をインデックスに設定
df_juyo.index = pd.to_datetime(df_juyo["DATE"] + " " + df_juyo["TIME"])
df_juyo = df_juyo.sort_index()
# グラフ描画
df_juyo["当日実績(万kW)"].plot(figsize=(15,5))
할 수 있었다!
보충
가시화해 보면 2018년 후반에 뭔가 평소와 다른 경향을 볼 수 있습니다.
데이터의 에러일까라고 생각했으므로, 조금 확인해 보면 이하와 같은 그래프가 되어 있었습니다.
2018년 9월 재해를 살펴보면 다음과 같은 기사를 찾았습니다.
2018년 태풍 24호(2018년)
엄청난 피해가 있었던 것 같습니다.
전기 사용량을 보면, 여러가지 깨달음이 있네요.
이상, 현장에서 기무라가 전했습니다.
Reference
이 문제에 관하여(과거의 전력 사용량 취득 오키나와 전력편), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/mix_dvd/items/5abf6395ab81079a5d14
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
for y in range(2016, 2020):
for m in range(1,13):
# 2016年4月以前のデータはないので省略
if y == 2016 and m < 4:
continue
for d in range(1, 32):
url = "https://www.okiden.co.jp/denki2/juyo_10_{:04}{:02}{:02}.csv".format(y, m, d)
!wget $url
읽기 및 시각화
from glob import glob
import pandas as pd
# ダウンロードしたファイルの一覧を取得
files = glob("*.csv")
files.sort()
df_juyo = pd.DataFrame()
for f in files:
print("\r", f, end="")
try:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=7, nrows=24)
except:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=13, nrows=24)
df_juyo = pd.concat([df_juyo, df])
# 日時をインデックスに設定
df_juyo.index = pd.to_datetime(df_juyo["DATE"] + " " + df_juyo["TIME"])
df_juyo = df_juyo.sort_index()
# グラフ描画
df_juyo["当日実績(万kW)"].plot(figsize=(15,5))
할 수 있었다!
보충
가시화해 보면 2018년 후반에 뭔가 평소와 다른 경향을 볼 수 있습니다.
데이터의 에러일까라고 생각했으므로, 조금 확인해 보면 이하와 같은 그래프가 되어 있었습니다.
2018년 9월 재해를 살펴보면 다음과 같은 기사를 찾았습니다.
2018년 태풍 24호(2018년)
엄청난 피해가 있었던 것 같습니다.
전기 사용량을 보면, 여러가지 깨달음이 있네요.
이상, 현장에서 기무라가 전했습니다.
Reference
이 문제에 관하여(과거의 전력 사용량 취득 오키나와 전력편), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/mix_dvd/items/5abf6395ab81079a5d14
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
from glob import glob
import pandas as pd
# ダウンロードしたファイルの一覧を取得
files = glob("*.csv")
files.sort()
df_juyo = pd.DataFrame()
for f in files:
print("\r", f, end="")
try:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=7, nrows=24)
except:
df = pd.read_csv(f, encoding="Shift_JIS", skiprows=13, nrows=24)
df_juyo = pd.concat([df_juyo, df])
# 日時をインデックスに設定
df_juyo.index = pd.to_datetime(df_juyo["DATE"] + " " + df_juyo["TIME"])
df_juyo = df_juyo.sort_index()
# グラフ描画
df_juyo["当日実績(万kW)"].plot(figsize=(15,5))
가시화해 보면 2018년 후반에 뭔가 평소와 다른 경향을 볼 수 있습니다.
데이터의 에러일까라고 생각했으므로, 조금 확인해 보면 이하와 같은 그래프가 되어 있었습니다.
2018년 9월 재해를 살펴보면 다음과 같은 기사를 찾았습니다.
2018년 태풍 24호(2018년)
엄청난 피해가 있었던 것 같습니다.
전기 사용량을 보면, 여러가지 깨달음이 있네요.
이상, 현장에서 기무라가 전했습니다.
Reference
이 문제에 관하여(과거의 전력 사용량 취득 오키나와 전력편), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/mix_dvd/items/5abf6395ab81079a5d14텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)