Numpy应用
NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用, 是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习。通过NumPy可以做出柱状图、饼状图、多个子图、线性回归图的数据分析。
此外还可以导入Pandas库,Pandas是Python编程语言的用于数据操纵和分析的软件库。特别是,它提供操纵数值表格和时间序列的数据结构和运算操作。Pandas允许从各种文件格式比如CSV、JSON、SQL、Microsoft Excel导入数据。
cmd导入模块:
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple //运用清华源安装scipy模块
1、简单预测
from scipy import stats
x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]
slope, intercept, r, p, std_err = stats.linregress(x, y)
def myfunc(x):
return slope * x + intercept
speed = myfunc(10)
print(speed)
2、多元回归预测数据
import pandas
from sklearn import linear_model
df = pandas.read_csv("cars.csv") //导入cars.csv文件
x = df[['Weight', 'Volume']]
y = df['CO2']
regr = linear_model.LinearRegression()
regr.fit(x.values, y.values)
# 预测重量为 2300kg、排量为 1300ccm 的汽车的二氧化碳排放量:
predictedCO2 = regr.predict([[2300, 1300]])
print(predictedCO2)
print('---------------------')
# 描述与未知变量的关系因子
regr = linear_model.LinearRegression()
regr.fit(x.values, y.values)
print(regr.coef_)
结果可以预测出在相关因子的数据。
3、饼状图
import matplotlib.pyplot as plt
import numpy as np
x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12,22,6,18])
plt.bar(x,y)
plt.show()
4、柱状图
import matplotlib.pyplot as plt
import numpy as np
x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12,22,6,18])
plt.bar(x,y)
plt.show()