基于Python的电力系统故障CSV数据统计分析技术求助

我来帮你搞定这个电力系统仿真数据的统计任务！之前用正则解析嵌套元组列表确实容易踩坑，而且效率不高，换成ast.literal_eval来解析字符串形式的Python数据结构会靠谱得多。下面是一套完整、规范的实现方案，覆盖你所有的统计需求：

1. 导入依赖库 #

首先安装并导入需要的工具：

import pandas as pd
import ast
import matplotlib.pyplot as plt
import seaborn as sns

# 设置可视化风格，让图表更美观
sns.set_style("whitegrid")
plt.rcParams["font.size"] = 12

2. 读取并预处理数据 #

重点是安全解析第8列的故障事件列表（注意CSV列索引从0开始，第8列对应索引7，故障标记列是第7列对应索引6）：

# 读取CSV数据，替换成你的文件路径
df = pd.read_csv("your_simulation_data.csv")

# 定义安全解析故障事件的函数，处理空值和格式错误的情况
def parse_fault_events(event_str):
    if pd.isna(event_str):
        return []
    try:
        # 将字符串形式的元组列表转换为实际Python对象
        return ast.literal_eval(event_str)
    except (SyntaxError, ValueError):
        # 遇到格式异常的条目直接返回空列表，避免程序崩溃
        return []

# 解析第8列的故障事件，生成新列存储
df["fault_events"] = df.iloc[:, 7].apply(parse_fault_events)
# 将第7列的故障标记转为布尔值，方便后续筛选
df["has_fault"] = df.iloc[:, 6].astype(bool)

3. 完成统计分析任务 #

任务1：总仿真次数与故障仿真占比 #

total_simulations = len(df)
fault_simulations = df["has_fault"].sum()
fault_ratio = fault_simulations / total_simulations

print(f"总仿真次数: {total_simulations}")
print(f"故障仿真次数: {fault_simulations}")
print(f"故障仿真占比: {fault_ratio:.2%}")

任务2：统计各类故障类型占比 #

先展开所有故障事件，再提取故障原因（部分条目无原因，统一标记为Unknown）：

# 筛选出有故障的记录，把嵌套的故障事件列表展开成单条记录
all_faults = df[df["has_fault"]]["fault_events"].explode()

# 提取故障类型的函数，适配两种元组格式
def extract_fault_type(event):
    # 元组格式：('故障元件','故障原因','故障时间') 或 ('故障元件','故障时间')
    if len(event) >= 3:
        # 假设故障原因直接是类型（如Over-Speed、OverVoltage）
        return event[1].strip()
    else:
        return "Unknown"

fault_types = all_faults.apply(extract_fault_type)
# 统计各类型占比，按占比降序排列
fault_type_ratios = fault_types.value_counts(normalize=True).sort_values(ascending=False)
print("\n各类故障占比:")
print(fault_type_ratios.round(4)*100)

任务3：统计易发生故障的元件及其占比 #

同样展开故障事件，提取故障元件并统计：

# 提取故障元件的函数
def extract_fault_component(event):
    return event[0].strip()

fault_components = all_faults.apply(extract_fault_component)
# 统计各元件故障占比，按占比降序排列
component_ratios = fault_components.value_counts(normalize=True).sort_values(ascending=False)
print("\n易故障元件占比:")
print(component_ratios.round(4)*100)

4. 生成可视化图表 #

故障仿真占比饼图 #

plt.figure(figsize=(6,6))
plt.pie([total_simulations - fault_simulations, fault_simulations], 
        labels=["无故障", "有故障"], 
        autopct="%.1f%%",
        colors=["#4CAF50", "#FF5722"])
plt.title("故障仿真占比")
plt.show()

故障类型占比条形图（只显示前10种） #

plt.figure(figsize=(10,6))
top_fault_types = fault_type_ratios.head(10)
sns.barplot(x=top_fault_types.values*100, y=top_fault_types.index, palette="viridis")
plt.xlabel("占比 (%)")
plt.ylabel("故障类型")
plt.title("Top 10 故障类型占比")
plt.show()

易故障元件占比条形图（只显示前10种） #

plt.figure(figsize=(10,6))
top_components = component_ratios.head(10)
sns.barplot(x=top_components.values*100, y=top_components.index, palette="coolwarm")
plt.xlabel("占比 (%)")
plt.ylabel("故障元件")
plt.title("Top 10 易故障元件占比")
plt.show()

关键优势说明 #

• 高效解析：用ast.literal_eval替代正则，能安全、快速解析嵌套的元组列表，避免正则的复杂匹配逻辑和格式错误问题；
• 健壮性：加入异常处理，能容忍CSV中格式不规范的故障事件条目；
• 可扩展性：如果后续需要提取故障时间等其他字段，只需修改提取函数即可。

内容的提问来源于stack exchange，提问作者Lexi Ligeti