記事一覧
コンビネーション:地域間の接続を考慮する際に有力なコード
import itertools# regionsの例regions = ['北海道', '東北', '関東', '中部', '関西', '中国', '四国', '九州']# curvature辞書を初期化curvature = {region: {region_: 0 for region_ in regions} for region in regions}# 各リージョンペアのカーブチャーを
もっとみる美しいグラフとそのコード
import pandas as pdimport matplotlib.pyplot as pltimport numpy as npimport jsontwh = '110'flex_rate = '0.5'# Load and parse the JSON data from a filefile_path = f'../計算結果_JSON/{twh}.json'with open(fil
もっとみる地域間の相関関係の統計的分析と可視化
1. はじめに本研究では、複数の地域における時系列データを用いて、地域間の相関関係を分析しました。特に、地域間の統計的関連性を理解することを目的とし、その結果を視覚的に表現することに焦点を当てました。
2. データと方法2.1 データセット
分析に使用したデータセットは、10の異なる地域(北海道、東北、東京、中部、関西、北陸、中国、四国、九州、沖縄)の時系列データを含んでいます。
2.2 分
地域ごとの負荷維持曲線の分析
負荷維持曲線とは?
負荷維持曲線(Load Duration Curve)は、電力工学や電力市場分析において使用されるツールの一つです。この曲線は、特定の期間(通常は一年)にわたって電力システムが経験する電力負荷の分布を示します。具体的には、最高負荷から最低負荷までの電力需要を時間軸に沿って並べたものです。電力システムの性能と効率を分析するために用いられます。
目的
各地域の電力システムにお
日本のFIT申請済み再生可能エネルギーのデータで遊ぼう♪
上記のサイトから、47都道府県分を気合でダウンロードします。マウスのカーソルボタンを連打しよう!
保存したら,CSVに変換します.
CSVファイルを一括コピペしてall.csvファイルにまとめます。
エクセルのフィルターを用いて,空白のセルを消します.
各地域における太陽光発電(Solar PV)、陸上風力(Wind Onshore)、海上風力(Wind Offshore)、小水力(Run
土地利用マップのスクレイピング
WEBページのソースコードから,対象の文字列を取り出す
import re# 与えられたHTMLコンテンツの例html_content = """<div class="mesh" id="M6848-h" style="left:81.0274372446001%; top:2.43337195828505%; width:
スタックドエリアチャート
import plotly.graph_objects as goimport numpy as np# データの準備x = ['A', 'B', 'C', 'D']y1 = np.array([10, 20, -30, 40]) # 1つ目の系列y2 = np.array([-15, 25, -5, 20]) # 2つ目の系列# 正の値のみを抽出y1_positive = np.where(
もっとみる都道府県別エネルギー消費統計のデータ処理
はじめに
データ分析の分野では、生のデータを取り扱い、有意義な情報を抽出することが重要です。本ブログでは、Pythonを活用して、日本の都道府県別のエネルギー消費統計データを処理し、分析する高度な手法を紹介します。このプロセスでは、Pandas、Numpy、およびその他のユーティリティが使用されます。
今回は研究の効率を向上させることを目的に、都道府県別エネルギー消費統計を辞書型で保存するコー