Create preprocess.py

preprocess.py

@@ -0,0 +1,47 @@
+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！")