preprocess.py

import pandas as pd
import numpy as np
import os

# 定义输入和输出文件路径
raw_data_path = "cleaned_mark_six.csv"
processed_data_path = "processed_data.csv"

# 检查是否已经处理过数据
if not os.path.exists(processed_data_path):
    print("📌 处理历史数据中...")

    # 读取 CSV 文件
    df = pd.read_csv(raw_data_path)

    # 统一列名（如果列名不对，需要调整）
    df.rename(columns={
        '2': '中奖号码 2', '3': '中奖号码 3', '4': '中奖号码 4',
        '5': '中奖号码 5', '6': '中奖号码 6'
    }, inplace=True)

    # 转换日期列为标准 datetime 格式
    df['日期'] = pd.to_datetime(df['日期'], errors='coerce')

    # 提取年月日
    df['年份'] = df['日期'].dt.year
    df['月份'] = df['日期'].dt.month
    df['日期'] = df['日期'].dt.day

    # 计算统计特征
    num_cols = ['中奖号码 1', '中奖号码 2', '中奖号码 3', '中奖号码 4', '中奖号码 5', '中奖号码 6']
    df['中奖号码均值'] = df[num_cols].mean(axis=1)

    # 处理期号列，拆分为 年份 和 期数
    df[['期号_年份', '期数']] = df['期号'].str.split('/', expand=True)
    df['期号_年份'] = df['期号_年份'].astype(int)
    df['期数'] = df['期数'].astype(int)
    df.drop(columns=['期号'], inplace=True)  # 删除原始期号列

    # 保存处理后的数据
    df.to_csv(processed_data_path, index=False)
    print(f"✅ 历史数据已处理并保存到 `{processed_data_path}`")
else:
    print("✅ 处理后的数据已存在，跳过处理步骤")

# 结束数据预处理
print("📌 数据预处理完成！")