数学建模——校园供水系统智能管理_校园供水系统智能管理数学建模论文

import pandas as pd
data1=pd.read_excel("C://Users//JJH//Desktop//E//附件_一季度.xlsx")
data2=pd.read_excel("C://Users//JJH//Desktop//E//附件_二季度.xlsx")
data3=pd.read_excel("C://Users//JJH//Desktop//E//附件_三季度.xlsx")
data4=pd.read_excel("C://Users//JJH//Desktop//E//附件_四季度.xlsx")
data1

1
2
3
4
5
6
7

729283 rows × 6 columns

data1.isnull().sum()
1

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64
1
2
3
4
5
6
7

data2.isnull().sum()
1

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64
1
2
3
4
5
6
7

data3.isnull().sum()
1

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64
1
2
3
4
5
6
7

data4.isnull().sum()
1

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64
1
2
3
4
5
6
7

import numpy as np
# 合并数据
data1['季度'] = pd.Series(["一季度" for i in range(len(data1.index))])
data2['季度'] = pd.Series(["二季度" for i in range(len(data2.index))])
data3['季度'] = pd.Series(["三季度" for i in range(len(data3.index))])
data4['季度'] = pd.Series(["四季度" for i in range(len(data4.index))])
data1

1
2
3
4
5
6
7
8

729283 rows × 7 columns

data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
data

1
2
3

C:\Users\JJH\AppData\Local\Temp\ipykernel_31264\4019438690.py:1: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
  data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
1
2

3086788 rows × 7 columns

x=data[['水表名','用量','采集时间']]
x
1
2

3086788 rows × 3 columns

x1=x[x['水表名']=='消防']
x1
1
2

23984 rows × 3 columns

import matplotlib.pyplot as plt
1
'
运行
运行

print(len(x1))
1

23984
1

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签
x = range(23984)



# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x1['采集时间'],x1['用量'],color='black',linewidth=0.5)
plt.show()       
1
2
3
4
5
6
7
8
9
10
11
12
13

​

​

x=data[['水表名','用量','采集时间']]
x     
1
2

3086788 rows × 3 columns

x2=x[x['水表名']=='XXX第一学生宿舍']
x2
1
2

35039 rows × 3 columns

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x2) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x2['采集时间'],x2['用量'],color='black',linewidth=0.5)
plt.show()       
1
2
3
4
5
6
7
8
9
10
11
12
13

​

​

x=data[['水表名','用量','采集时间']]
x3=x[x['水表名']=='留学生楼（新）']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x3) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x3['采集时间'],x3['用量'],color='black',linewidth=0.3)
plt.show()       

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

​

​

x=data[['水表名','用量','采集时间']]
x4=x[x['水表名']=='XXX教学大楼总表']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x4) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x4['采集时间'],x4['用量'],color='black',linewidth=0.3)
plt.show()       
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

​

​

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定字体为SimHei
labels = ['消防', '留学生楼（新）', 'XXX教学大楼总表']

plt.boxplot([x1['用量'],x3['用量'],x4['用量']])

plt.xticks(range(1, 4), labels)
# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10

​

​

x5=x[x['水表名']=='XXX第四学生宿舍']
x5
1
2

35039 rows × 3 columns

x6=x[x['水表名']=='茶园+']
x6
1
2

34249 rows × 3 columns

x7=x[x['水表名']=='XXX4舍热泵热水舍']
x7
1
2

x21=x[x['水表名']=='XXX第一学生宿舍']
x21
1
2

35039 rows × 3 columns

x22=x[x['水表名']=='XXX第二学生宿舍']
x22
1
2

35039 rows × 3 columns

x21.set_index('采集时间', inplace=True)
x22.set_index('采集时间', inplace=True)
1
2

print(x21['用量'].dtypes,x21['水表名'])
print(x22['用量'].dtypes,x22['水表名'])
x_sum = x21.add(x22, fill_value=0)

# 打印结果
x_sum
1
2
3
4
5
6

float64 采集时间
2019/1/1 00:15:00      XXX第一学生宿舍
2019/1/1 00:30:00      XXX第一学生宿舍
2019/1/1 00:45:00      XXX第一学生宿舍
2019/1/1 01:00:00      XXX第一学生宿舍
2019/1/1 01:15:00      XXX第一学生宿舍
                         ...    
2019/12/31 22:45:00    XXX第一学生宿舍
2019/12/31 23:00:00    XXX第一学生宿舍
2019/12/31 23:15:00    XXX第一学生宿舍
2019/12/31 23:30:00    XXX第一学生宿舍
2019/12/31 23:45:00    XXX第一学生宿舍
Name: 水表名, Length: 35039, dtype: object
float64 采集时间
2019/1/1 00:15:00      XXX第二学生宿舍
2019/1/1 00:30:00      XXX第二学生宿舍
2019/1/1 00:45:00      XXX第二学生宿舍
2019/1/1 01:00:00      XXX第二学生宿舍
2019/1/1 01:15:00      XXX第二学生宿舍
                         ...    
2019/12/31 22:45:00    XXX第二学生宿舍
2019/12/31 23:00:00    XXX第二学生宿舍
2019/12/31 23:15:00    XXX第二学生宿舍
2019/12/31 23:30:00    XXX第二学生宿舍
2019/12/31 23:45:00    XXX第二学生宿舍
Name: 水表名, Length: 35039, dtype: object
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

35039 rows × 2 columns

x26=x[x['水表名']=='茶园+']
x26
1
2

34249 rows × 3 columns

x21=x[x['水表名']=='XXX第一学生宿舍']
1

x21
1

35039 rows × 3 columns

df_merged = pd.merge(x21, x26, on='采集时间', how='inner')
df_merged
1
2

34249 rows × 5 columns

df_merged['总用水量'] = df_merged['用量_x'] + df_merged['用量_y']
df_merged
1
2

34249 rows × 6 columns

df_merged1 = pd.merge(x21, x26, on='采集时间', how='outer')
df_merged1
1
2

35039 rows × 5 columns

df_merged1['用量_y'] = df_merged1['用量_y'].replace(np.nan, 0)
df_merged1
# df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
# df_merged1
1
2
3
4

35039 rows × 6 columns

df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
df_merged1
1
2

35039 rows × 6 columns

# 创建一个包含多个子图的图形
fig, axes = plt.subplots(nrows=4 ,ncols=2)

# 在第一个子图中绘制数据
step = len(x11) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[0, 0].set_xticks(xtick_positions)
axes[0, 0].set_xticklabels(xticks)
axes[0, 0].plot(x11['采集时间'],x11['用量'],color='black',linewidth=0.1)
axes[0, 0].set_title('XXX第一学生宿舍')

# 在第二个子图中绘制数据
step = len(x12) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[0, 1].set_xticks(xtick_positions)
axes[0, 1].set_xticklabels(xticks)
axes[0, 1].plot(x12['采集时间'],x12['用量'],color='black',linewidth=0.1)
axes[0, 1].set_title('XXX第二学生宿舍')

# 在第三个子图中绘制数据
step = len(x13) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[1, 0].set_xticks(xtick_positions)
axes[1, 0].set_xticklabels(xticks)
axes[1, 0].plot(x13['采集时间'],x13['用量'],color='black',linewidth=0.1)
axes[1, 0].set_title('XXX第三学生宿舍')

# 在第四个子图中绘制数据
step = len(x14) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[1, 1].set_xticks(xtick_positions)
axes[1, 1].set_xticklabels(xticks)
axes[1, 1].plot(x14['采集时间'],x14['用量'],color='black',linewidth=0.1)
axes[1, 1].set_title('XXX第四学生宿舍')


# 在第五个子图中绘制数据
step = len(x15) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[2, 0].set_xticks(xtick_positions)
axes[2, 0].set_xticklabels(xticks)
axes[2, 0].plot(x15['采集时间'],x15['用量'],color='black',linewidth=0.1)
axes[2, 0].set_title('XXX第五学生宿舍')

# 在第六个子图中绘制数据
step = len(x17) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[2, 1].set_xticks(xtick_positions)
axes[2, 1].set_xticklabels(xticks)
axes[2, 1].plot(x17['采集时间'],x17['用量'],color='black',linewidth=0.1)
axes[2, 1].set_title('XXX第七学生宿舍')

# 在第七个子图中绘制数据
step = len(x18) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[3, 0].set_xticks(xtick_positions)
axes[3, 0].set_xticklabels(xticks)
axes[3, 0].plot(x18['采集时间'],x18['用量'],color='black',linewidth=0.1)
axes[3, 0].set_title('XXX第八学生宿舍')

# 在第八个子图中绘制数据
step = len(x19) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[3, 1].set_xticks(xtick_positions)
axes[3, 1].set_xticklabels(xticks)
axes[3, 1].plot(x19['采集时间'],x19['用量'],color='black',linewidth=0.1)
axes[3, 1].set_title('XXX第九学生宿舍')
# 调整子图之间的间距
plt.tight_layout()

# 显示图形
plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73

from datetime import datetime
ans=[0]*24
for i in range(len(x_merged)):
    # 采集时间字符串
    time_str = x_merged ['采集时间'][i]

    # 将时间字符串转换为datetime对象
    time_obj = datetime.strptime(time_str, '%Y/%m/%d %H:%M:%S')

    # 提取小时
    hour = time_obj.hour
    ans[hour]+= x_merged['总用水量'][i]
    # 打印结果
#     print(f"当前是第{hour}个小时")
1
2
3
4
5
6
7
8
9
10
11
12
13
14

from datetime import datetime
ans=[0]*24
for i in range(2000):
    # 采集时间字符串
    time_str = x_merged ['采集时间'][i]

    # 将时间字符串转换为datetime对象
    time_obj = datetime.strptime(time_str, '%Y/%m/%d %H:%M:%S')

    # 提取小时
    hour = time_obj.hour
    day = time_obj.day
    ans[hour]+= x_merged['总用水量'][i]
    if day == 60:
        break
    # 打印结果
#     print(f"当前是第{hour}个小时")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17