Comments 7
Я бы не доверял прогнозам сервиса Яндекс Погода. Выглянув в окно можно сделать прогнозы лучше.
есть несколько офигенных лекций об этом на ютубе. Если коротко, то все сводится к двум тезисам:
1/ чем меньще квадрат предсказывания, тем сложнее предсказывать ("в среднем" на всю Москву предсказать проще, чем на конкретно вашу улицу)
2/ предсказывание погоды "как вчера" по итогу пока все равно лидирует. Есть подход "а давайте смоделируем облака и посмотрим, когда и где они выльются в зависимости от ветра" и подход "давайте все запихнем в ML и оно само там найдет что-то". Наверное, высокий результат дадут какие-то смеси, но погода по-прежнему - очень вычислительно сложная хрень.
Надо больше метеостанций на квадрат — в городе здания и ландшафт влияют. Особенно если это не относительно плоская Москва, а город в предгорье.
Пользуюсь прогнозами сервиса IBMhttps://habr.com/ru/companies/ibm/articles/332536/ — попадают точно. Могут не угадать какой-то локальный туман или залповый ливень.
Надо больше метеостанций на квадрат - это довольно существенное ограничение.
в городе здания и ландшафт влияют - да, причем очень сильно: где-то на проспектах дует, а где-то - тихо. Ну и да, часто бывает такое, что в одном районе льет как из ведра, а на условной "соседей ветке метро" - сухо.
Но когда я говорил о предсказании, то Я, как я понял, исходят из того, что "а давайте смоделируем куда тучи полетят", чтобы не утыкивать Москву датчиками. Хотя, фиг его знает, стоят они недорого, так что, может, и имеет право на жизнь. Кстати, третий тезис в комментарии выше я не написал: предсказывать сколь-нибудь внятно более чем на три дня - сложно, более чем на неделю - почти из области "среднего за прошлые годы".
Я не специалист по pandas и по питону, но если уж данные изначально загружены в датафрейм, то почему их не обрабатывать средствами pandas? Там же есть регулярки и удобные способы обработки данных без циклов по записям..
1/ вообще, многое выглядит какими-то костылями.
циклы - вообще не pandas-way. Применяйте функцию через apply - так вы сможете работать сразу со столбцом.
2/
ya_full=pd.concat([list_days,temp_fin,ya_new[['press','wet']],wind_fin,temp_eff,ya_new['weather']],axis=1)
тут у вас пропущена скобочка: ya_new[['weather']]
3/ не могли бы поточнее сказать: а какую задачу вы решали? что хитрого сделали с данными яндекса, в чем ценность?
пока это выглядит поделием в духе "смотрите, я смог применить read_html и пандас сам собрал из этого датафрейм. Ценность всего этого - околонулевая. Это даже не парсинг.
Какую ссылку Вы используете для pd.read_html()?
Парсинг и обработка данных с метеосайтов Яндекс.Погода и Метеоинфо (Гидрометцентр) при помощи pandas (Часть 1)