Revisione dei dati in input

Progettare pipeline di forecasting per la produzione

Rami Krispin

Senior Manager, Data Science and Engineering

Domanda oraria di elettricità negli USA

Grafico a serie temporale che mostra tendenze stagionali nella domanda di elettricità anno su anno

Analisi della stagionalità

Grafico di serie temporale con tendenze stagionali della domanda di elettricità a livello orario e giornaliero

Analisi dell'autocorrelazione

Grafico ACF con ritardi giornalieri e settimanali

L'API EIA

Sito EIA

L'API EIA

API EIA

Nessuna API key richiesta per completare questo corso 🎉

¹ https://www.eia.gov/opendata/

L'API EIA

import requests
import pandas as pd
import os

L'API EIA

import requests
import pandas as pd
import os

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

L'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

L'API EIA

eia_api_key = os.getenv('EIA_API_KEY')

get_request = get_request + "?api_key=" + eia_api_key

eia_api_key è personale e va ottenuta dal sito EIA

¹ https://www.eia.gov/opendata/

L'API EIA

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

L'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

L'API EIA

API EIA

¹ Sito API EIA: https://www.eia.gov/opendata/ ² Dashboard API EIA: https://www.eia.gov/opendata/browser/

Preparazione dei dati

Formato input per i pacchetti statsforecast e mlforecast:

unique_id - ID della serie
ds - timestamp della serie
y - valori della serie

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

Preparazione dei dati

Formato input:

unique_id - ID della serie
ds - timestamp della serie
y - valori della serie

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

Preparazione dei dati

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

Passiamo alla pratica !

Progettare pipeline di forecasting per la produzione