import matplotlib.pyplot as plt# 获取24小时的列表hours = range(24)# 定义画布
plt.figure(figsize=(20,10))# 绘制八个特征及目标值for i in range(9):    # 绘制3*3的图中第i+1子图    
plt.subplot(3, 3, i+1)    # 横坐标为小时 纵坐标为特征or目标值   
plt.plot(hours, train.iloc[:24, i])    # title为列名  
plt.title(train.columns.tolist()[i])# 展示图片plt.show()

# 构建特征def feature_combine(df):    df_copy = df.copy()    # 经纬度两个方向的风速进行向量计算 获取实际风速    df_copy["wind_speed"] = np.sqrt(df_copy['u100']**2 + df_copy['v100']**2)    # 添加小时特征 捕捉数据的时间周期性    df_copy["h"] = df_copy.index % 24    # 特征组合        # 计算ghi(水平面总辐照度)与poai(光伏面板辐照度)的比值    # 反映光伏组件的效率    df_copy["ghi/poai"] = df_copy["ghi"] / (df_copy["poai"] + 0.0000001)    # 同上    df_copy["ghi_poai"] = df_copy["ghi"] - df_copy["poai"]    # 计算总风速与sp(气压)的比值。有助于捕捉风速与气压之间的关系    df_copy["wind_speed/sp"] = df_copy["wind_speed"] / (df_copy["sp"] + 0.0000001)        return df_copy