26_地球地表平均气温变化趋势预测分析.zip

import pandas as pd from sklearn.linear_model import LinearRegression as lr def Temperature(): temp = pd.read_csv('GlobalSurfaceTemperature.csv') # 地表气温数据 temp = temp.iloc[:, 1:].set_index(pd.to_datetime(temp.Year.astype('str'))) gas = pd.read_csv('GreenhouseGas.csv') # 温室气体排放数据 gas = gas.iloc[:, 1:].set_index(pd.to_datetime(gas.Year.astype('str'))) co2 = pd.read_csv('CO2ppm.csv') # CO2 浓度数据 co2 = co2.iloc[:, 1:].set_index(pd.to_datetime(co2.Year.astype('str'))) co2.columns = ['CO2PPM'] df = pd.concat([gas, co2, temp], 1) # 纵向拼接 # 对前 4 列也就是气体排量和二氧化碳浓度进行纵向填充 gas_part = df.iloc[:, :4].fillna(method='ffill').fillna(method='bfill') data = gas_part['1970': '2010'] # 已知气体数据 test = gas_part['2011': '2017'] # 预测所依赖的气体数据 # 根据前几十年的气体数据和温度数据的线性关系 # 使用未来几年的气体数据预测温度数据 # 线性关系可以简单理解为 y = kx , 其中 k 是常数 # 下面的 model 就是我们要获得的 k , 上面的 test 就是 x # model 的 predict 方法根据线性关系 k 和已知气体数据 test 算出温度的值 model = lr().fit(data, df['1970': '2010'].Median) # 创建气体-温度线性模型 median = pd.np.round(model.predict(test), 3) # 根据气体得出温度预测结果 model = lr().fit(data, df['1970': '2010'].Upper) upper = pd.np.round(model.predict(test), 3) model = lr().fit(data, df['1970': '2010'].Lower) lower = pd.np.round(model.predict(test), 3) return list(upper), list(median), list(lower) if __name__ == '__main__': print(Temperature())