考虑天气，节假日，不考虑三车道，已知天气数据，节假日数据和通过ETC的平均速度，车流量，怎么计算TPI，给出python代码

To calculate Traveler's Perception of Quality (TPI), a measure that reflects the overall satisfaction of travelers with their journey, you can consider factors like weather conditions, holidays, and traffic patterns. Here's a simplified Python code snippet to illustrate how you might approach this problem using historical data:

首先, 假设我们有天气数据(wt_data), 节假日数据(holiday_data), 平均速度(avg_speed), 车流量(traffic_volume)等列：

# 假设dataframe名为df，包含了上述数据
import pandas as pd

def calculate_tpi(weather_df, holiday_df, speed_df):
    """
    根据给定的数据计算TPI
    :param weather_df: 天气数据（包含日期和天气条件）
    :param holiday_df: 节假日数据（包含日期）
    :param speed_df: 平均速度和车流量数据（包含日期和对应指标）
    
    :return: TPI值
    """
    # 将数据按日期对齐并合并
    merged_df = pd.merge(pd.merge(weather_df, holiday_df, on='date'), speed_df, on='date')
    
    # 计算因天气和节假日影响的速度降低因子
    weather_factor = merged_df['weather_condition'].map({
        'good': 1.0,
        'bad': 0.8,  # 假设坏天气下速度降低20%
        ...  # 其他天气情况及其对应影响系数
    })
    holiday_factor = merged_df['is_holiday'].astype(int).map({True: 0.9, False: 1.0})  # 假设假日速度降低10%

    # 根据车流量和速度计算TPI（这里以速度减少的百分比作为基础，假设TPI与速度降低成反比）
    tpi = 1 - ((speed_df['avg_speed'] * (1 - holiday_factor * weather_factor)) / speed_df['base_speed'])  # base_speed是正常情况下预期的速度
    
    return tpi.mean()

# 示例计算
tpi_value = calculate_tpi(df_weather, df_holidays, df_traffic)
tpi_value

请注意，这只是一个基本示例，实际的TPI计算可能更复杂，包括更多的因素和权重分配，以及可能需要对数据进行预处理和特征工程。此外，上述代码中的`map()`函数仅用于展示概念，实际应用中应替换为适合特定天气分类的映射函数。