- Läsa en CSV och kontrollera kolumner, typer och datakvalitet.
- Filtrera, gruppera och beräkna mekanisk effekt och temperaturskillnad.
- Välja och förklara ett diagram som svarar på en analysfråga.
Python för dig som har skrivit C/C++
I Python avgränsas kodblock med indrag. Variabler binder namn till objekt utan att du skriver en C-liknande typdeklaration. En lista samlar flera värden, en dictionary kopplar nycklar till värden och def definierar en funktion. Bibliotek importeras med import. En pandas DataFrame är en tabell med namngivna kolumner, inte bara en lista med tal.
I en notebook kan celler köras i annan ordning än de visas. Starta därför om kärnan och kör alla celler från början innan du litar på resultatet. Exemplen nedan är Kopplats egna förberedande exempel. De färdiga Pythonmallar som nämns i sammanfattningen har ännu inte lämnats som underlag.
values = [20.0, 22.0, 24.0]
measurement = {"sensorId": "temp-7", "value": values[0]}
def mean(numbers):
if not numbers:
raise ValueError("Listan är tom")
return sum(numbers) / len(numbers)
print(mean(values)) # 22.0Läs originalfilen och beskriv den
Ladda ner AI4I från UCI-länken under källor, packa upp arkivet och lägg ai4i2020.csv i arbetskatalogen för din notebook eller ditt skript. Spara originalfilen oförändrad. Kodexemplen använder pandas och matplotlib; ML-exemplet använder dessutom scikit-learn. Läsningen på Kopplat fungerar utan att installera något.
Börja med tabellens form, kolumnnamn, datatyper och saknade värden. UDI och Product ID är identifierare. Type och de fem mät-/processkolumnerna är de ursprungliga indatafälten. Machine failure väljs som mål för klassificeringen; feltypskolumnerna används för granskning, inte som indata. Dokumentera filversion och ditt kolumnval.
Om du senare ska utvärdera en modell, avsätt testdata innan du låter diagram och statistik styra modellval. Den beskrivande övningen här får undersöka hela filen, men den är då inte en oberoende modellutvärdering.
import pandas as pd
df = pd.read_csv("ai4i2020.csv", encoding="utf-8-sig")
print(df.shape)
print(df.dtypes)
print(df.isna().sum())
print(df["Machine failure"].value_counts().sort_index())
failed = df.loc[df["Machine failure"] == 1]
print("Antal rader märkta som maskinfel:", len(failed))Nya variabler med rätt enheter
Feature engineering innebär att skapa användbara indata ur befintliga uppgifter. Mekanisk rotationseffekt är vridmoment gånger vinkelhastighet: P = τ · ω. Eftersom varvtalet här anges i varv per minut behöver det omvandlas med ω = 2π · rpm / 60. Att bara multiplicera Nm med rpm ger inte watt. Beräkningen uppskattar mekanisk effekt från de angivna storheterna, inte maskinens elektriska energiförbrukning.
Temperaturkolumnerna är i kelvin. Vi definierar skillnaden som processtemperatur minus lufttemperatur. En temperaturskillnad på 10 K är lika stor som 10 °C, men en absolut temperatur på 300 K är 26,85 °C. Subtrahera därför inte 273,15 från en redan beräknad temperaturskillnad.
Med 40 Nm och 1 500 rpm blir effekten ungefär 6 283 W. Om processtemperaturen är 310 K och lufttemperaturen 300 K blir skillnaden 10 K. Kontrollera dessa enkla fall innan du räknar på hela filen.
from math import pi
df["power_W"] = df["Torque [Nm]"] * (2 * pi * df["Rotational speed [rpm]"] / 60)
df["delta_temperature_K"] = df["Process temperature [K]"] - df["Air temperature [K]"]
summary = df.groupby("Type").agg(
observations=("Machine failure", "size"),
failure_share=("Machine failure", "mean"),
mean_power_W=("power_W", "mean"),
)
print(summary)Välj diagram efter frågan
Ett histogram visar en fördelning, ett spridningsdiagram visar samband mellan två numeriska variabler och ett stapeldiagram jämför antal eller andelar mellan grupper. En boxplot kan sammanfatta spridning och visa möjliga avvikare; en punkt utanför boxplotens gränser är inte automatiskt ett mätfel. En tidskurva kräver en meningsfull tidsaxel. AI4I:s radnummer räcker inte som bevis för faktisk tid.
Välj först en fråga: hur fördelar sig den beräknade effekten? Sätt enhet på axeln och ange att data är syntetiska. För en jämförelse mellan fel och inte fel måste du också redovisa att grupperna är mycket olika stora. Antal fel och andel fel svarar på olika frågor.
Skriv en resultatmening och en begränsning under varje figur. Ett synligt samband är inte i sig ett orsakssamband. Håll isär det diagrammet visar, möjliga förklaringar och det som kräver mer data.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
df["power_W"].plot.hist(bins=30, ax=ax)
ax.set(xlabel="Beräknad mekanisk effekt (W)", ylabel="Antal observationer",
title="Effektfördelning i AI4I – syntetiska data")
plt.tight_layout()
plt.show()
fig, ax = plt.subplots()
df["Machine failure"].value_counts().sort_index().plot.bar(ax=ax)
ax.set(xlabel="Machine failure (0 = nej, 1 = ja)", ylabel="Antal observationer",
title="Klassfördelning i AI4I")
plt.tight_layout()
plt.show()Prova själv
Fundera med hjälp av exemplet. Papper och penna räcker.
- Formulera en beskrivande analysfråga och välj kolumner. Kontrollera UCI-dokumentationen mot filen.
- Kör exemplen i ordning. Anteckna filversion, enheter, datatyper och hur eventuella avvikelser hanteras.
- Gör ett eget diagram, förklara vad det visar och skriv en begränsning. Om du ska göra ML, reservera testdata innan modellstyrande analys.
- Beskriv vilka steg som behöver ändras vid 1 000 gånger fler rader. Skilj filstorlek från faktiskt minnesbehov.
Testa dina kunskaper
Stanna upp en stund. Vad har fastnat?
Fortsätt vara nyfiken
Utvalda källor för dig som vill gå djupare.
AI4I 2020 – originaldata och dokumentationUCI Machine Learning Repository · EngelskaPython: listor, dictionaries och datastrukturerPython Software Foundation · EngelskaTabellanalys, gruppering och diagrampandas · EngelskaSI-enheter för bland annat effekt och vinkelhastighetNIST · EngelskaEtt steg närmare helheten.
Markera ämnet när du känner dig redo.