corr_matrix = df[['平均星级', '在线时长', '完成订单数', '订单实际总公里数', '车费收入']].corr()axes[0,1].hist(df['在线时长'], bins=30, alpha=0.7, color='lightgreen')axes[0,0].hist(df['车费收入'], bins=30, alpha=0.7, color='skyblue')f

本文详细记录了电厂数据集的数据预处理流程。实验使用9568条记录的5个数值变量，包括4个环境特征和发电量目标变量。通过Python的pandas、sklearn等库完成了以下关键步骤：1) 统计分析与可视化（箱线图、热力图等）；2) 数据清洗（检测但保留异常值）；3) 标准化处理；4) 主成分分析（累计解释方差73.8%）；5) 湿度离散化分箱；6) K-means聚类（3类）。分析发现AT与发电