### 使用Python读取Excel文件中的风电数据并绘制风速与时序功率相关图 以下是完整的代码示例，涵盖了从读取Excel文件到绘制时序相关图的过程。 --- #### 1. 导入必要的库 首先需要导入所需的库，包括 `pandas` 用于数据处理和 `matplotlib` 用于绘图。 ```python import pandas as pd import matplotlib.pyplot as plt ``` 这些库分别负责数据的加载与可视化[^1]。 --- #### 2. 读取Excel文件 使用 `pandas` 的 `read_excel()` 函数读取包含风电数据的 Excel 文件。假设该文件有两个主要列：`时间戳 (Timestamp)` 和 `风速 (WindSpeed)`、`功率 (Power)`。 ```python # 替换为实际的Excel文件路径 file_path = "path_to_your_file.xlsx" # 将Excel文件加载为DataFrame df = pd.read_excel(file_path) # 查看前几行数据以确认读取成功 print(df.head()) ``` 此部分代码完成了对 Excel 数据的初步加载，并打印了前五行数据以便验证[^2]。 --- #### 3. 数据预处理 在绘制图表之前，需确保数据无缺失值或异常值。可以采用以下方式进行清理： ```python # 删除含有缺失值的行 df.dropna(subset=['Timestamp', 'WindSpeed', 'Power'], inplace=True) # 转换时间戳列为datetime格式 df['Timestamp'] = pd.to_datetime(df['Timestamp']) # 按照时间顺序排序 df.sort_values(by='Timestamp', inplace=True) ``` 上述代码片段执行了三项任务：移除缺失值、将时间戳转换为标准 datetime 格式以及按时间升序排列数据。 --- #### 4. 绘制时序相关图 为了展示风速与功率之间的关系及其随时间的变化趋势，可以选择双 Y 轴图表。 ```python # 创建一个新的Figure对象 fig, ax1 = plt.subplots(figsize=(14, 7)) # 设置第一个Y轴（风速） color = 'tab:blue' ax1.set_xlabel('时间') ax1.set_ylabel('风速 (m/s)', color=color) ax1.plot(df['Timestamp'], df['WindSpeed'], label='风速', color=color) ax1.tick_params(axis='y', labelcolor=color) # 创建第二个Y轴（功率） ax2 = ax1.twinx() # 实现共享同一个X轴 color = 'tab:red' ax2.set_ylabel('功率 (kW)', color=color) ax2.plot(df['Timestamp'], df['Power'], label='功率', color=color) ax2.tick_params(axis='y', labelcolor=color) # 添加标题和其他细节 plt.title('风速与功率的时序相关图') fig.tight_layout() # 显示图表 plt.show() ``` 这段代码通过设置双 Y 轴的方式在同一张图上同时展示了风速和功率的趋势变化[^1]。 --- #### 5. 可选增强：计算相关系数 为进一步量化风速与功率之间的关联程度，还可以计算皮尔逊相关系数。 ```python correlation_coefficient = df['WindSpeed'].corr(df['Power']) print(f"风速与功率的相关系数: {correlation_coefficient:.2f}") ``` 这一指标有助于评估两者之间是否存在显著的线性关系[^3]。 --- ### 总结 以上代码提供了一个完整的流程，从读取 Excel 文件中的风电数据到生成风速与功率的时序相关图。这种方法不仅便于观察两者的动态变化规律，还支持进一步深入分析其潜在联系。 ---