Meninjau data masukan

Merancang Pipeline Peramalan untuk Produksi

Rami Krispin

Senior Manager, Data Science and Engineering

Permintaan listrik per jam di AS

Plot deret waktu yang menunjukkan tren musiman permintaan listrik dari tahun ke tahun

Analisis musiman

Plot deret waktu yang menunjukkan tren musiman permintaan listrik per jam dan harian

Analisis autokorelasi

Plot ACF yang menunjukkan lag harian dan mingguan

API EIA

Situs EIA

API EIA

Tidak perlu kunci API untuk menyelesaikan kursus ini 🎉

¹ https://www.eia.gov/opendata/

API EIA

import requests
import pandas as pd
import os

API EIA

import requests
import pandas as pd
import os

api_url = "https://api.eia.gov/v2/"
api_path = "electricity/rto/region-data/"

API EIA

import requests
import pandas as pd
import os

api_url = "https://api.eia.gov/v2/"
api_path = "electricity/rto/region-data/"
get_request = api_url + api_path + "data/&data[]=value"

print(get_request)

https://api.eia.gov/v2/electricity/rto/region-data/data/&data[]=value

API EIA

eia_api_key = os.getenv('EIA_API_KEY')

get_request = get_request + "?api_key=" + eia_api_key

eia_api_key bersifat pribadi dan harus diperoleh dari situs EIA

¹ https://www.eia.gov/opendata/

API EIA

data = requests.get(get_request).json()
df = pd.DataFrame(data['response']['data'])

API EIA

data = requests.get(get_request).json()
df = pd.DataFrame(data['response']['data'])

print(df.head())

     period           respondent    respondent-name                              value
0    2022-04-06T07    AVA           Avista Corporation                           462894.0    
1    2024-04-06T07    AZPS          Arizona Public Service Company               463663.0    
2    2024-04-07T07    BANC          Balancing Authority of Northern California   464916.0    
3    2024-04-07T07    BPAT          Bonneville Power Administration              459376.0    
4    2024-04-07T07    CAL           California                                   441989.0

API EIA

¹ EIA API website: https://www.eia.gov/opendata/ ² EIA API dashboard: https://www.eia.gov/opendata/browser/

Persiapan data

Format input data untuk paket statsforecast dan mlforecast:

unique_id - ID deret
ds - stempel waktu deret
y - nilai deret

df = pd.read_csv("data/data.csv")
ts = df[["period", "value"]]
ts["period"] = pd.to_datetime(ts["period"])
ts = ts.sort_values("period")

Persiapan data

Format input data:

unique_id - ID deret
ds - stempel waktu deret
y - nilai deret

ts = ts[["period", "value"]]
ts["period"] = pd.to_datetime(ts["period"])
ts = ts.sort_values("period")

ts = ts.rename(columns = {"period": "ds", "value": "y"})
ts["unique_id"] = 1

Persiapan data

print(ts.head())

     ds                     y           unique_id
0    2022-04-06 23:00:00    462894.0    1
1    2022-04-07 00:00:00    463663.0    1
2    2022-04-07 01:00:00    464916.0    1
3    2022-04-07 02:00:00    459376.0    1
4    2022-04-07 03:00:00    441989.0    1

Ayo berlatih!

Merancang Pipeline Peramalan untuk Produksi