变压器故障诊断数据集（油中溶解气体的相关数据 包括五种气体数据（H2，CH4,C2H6,C2H4,C2H2）及对应的故障类型 样本总数356组，故障类型7种（含正常） ）
摘要：该研究基于357组电力变压器油中溶解气体数据（H2、CH4、C2H6、C2H4、C2H2），对7种故障类型（包括正常状态）进行标签标注。使用Python的pandas库读取Excel数据，通过建立故障类型映射字典（如正常=0，低能放电=1等），将文本型故障类别转换为数值编码。最终生成包含标签的新数据集并保存为Excel文件。完整数据、处理代码和标注结果已打包提供。该处理方法为后续变压器故障诊
·
油中溶解气体的相关数据 包括五种气体数据（H2，CH4,C2H6,C2H4,C2H2）及对应的故障类型 样本总数357组，故障类型7种（含正常）
数据开始位置
截止位置
对七种类型进行打标签
import pandas as pd
# 读取数据
data = pd.read_excel('电力变压器原数据.xls')
# 定义故障类型的映射字典
fault_type_mapping = {
'正常': 0,
'低能放电': 1,
'高能放电': 2,
'低温过热': 3,
'中温过热': 4,
'中低温过热': 5,
'高温过热': 6
}
# 将故障类型列映射为数字并保存在新列"Fault_Type_Code"中
data['Fault_Type_Code'] = data['故障类型'].map(fault_type_mapping)
# 保存修改后的数据
data.to_excel('your_updated_dataset.xls', index=False)
打过标签的数据
将原始数据、打标签代码、 代码运行后带标签的数据放在了压缩包，如有需要，请关注最后一行
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献11条内容
所有评论(0)