维护网站是什么工作,石河子做网站的公司,万网博通,网站联系我们怎么做一、Numpy
NumPy#xff08;Numerical Python#xff09;是一种开源的Python库#xff0c;专注于数值计算和处理多维数组。它是Python数据科学和机器学习生态系统的基础工具包之一#xff0c;因为它高效地实现了向量化计算#xff0c;并提供了对大型多维数组和矩阵的支持…一、Numpy
NumPyNumerical Python是一种开源的Python库专注于数值计算和处理多维数组。它是Python数据科学和机器学习生态系统的基础工具包之一因为它高效地实现了向量化计算并提供了对大型多维数组和矩阵的支持。
NumPy的定义要点 核心对象NumPy中最关键的对象是ndarrayn-dimensional array object即N维数组这是一种高效存储同构数据所有元素类型相同的多维数组的数据结构适合进行大规模数值计算。 高效内存管理ndarrays以一种连续的内存布局存储数据使得CPU缓存利用更高效从而加速了数学和逻辑运算。 数学函数库NumPy包含了大量数学函数这些函数可以直接作用于整个数组无需使用循环提高了执行效率。 广播功能NumPy支持广播机制允许不同形状的数组之间进行运算自动进行元素级的逐点运算。 兼容性NumPy与C/C和Fortran编写的代码高度兼容可以通过NumPy的C API集成其他高性能库。
使用领域 数据分析在数据预处理阶段NumPy被广泛用于数据清洗、转换、统计分析等任务。 机器学习作为大多数深度学习和机器学习框架例如TensorFlow、PyTorch的基础组件NumPy提供的数组处理能力对于构建和训练模型至关重要。 信号处理与图像处理NumPy能够便捷地处理图像和信号数据支持矩阵运算和快速傅里叶变换等算法。 科学计算包括物理模拟、工程计算、金融建模等领域NumPy的高效数组运算和内置的线性代数功能十分有用。 大数据处理虽然不是专门的大数据工具但NumPy数组结合Pandas等库可在单机环境下处理大规模数据集。
总之NumPy因其高效性和灵活性成为了众多Python开发者在涉及数值计算、科学计算及数据分析项目时首选的库。
1.赋值定义较复杂数据结构
对比Python的基本数据类型列表、元组、字典等数组具有更灵活的数据存储方式比如一维数组和二维数组或者矩阵特别是对于数值型数据来说更有优势根据给出的列表L1[1,2,3,4,0.1,7]和嵌套列表L2 [[1,2,3,4],(5,6,7,8)]请利用numpy包中的array()函数将其定义为一维数组和二维数据。
相关代码
import numpy as np
# 给定的列表
L1 [1, 2, 3, 4, 0.1, 7]
L2 [[1, 2, 3, 4], (5, 6, 7, 8)]
# 创建一维数组
array_1d np.array(L1)
print(一维数组:)
print(array_1d)
# 创建二维数组或矩阵
# 注意L2中的元组会被自动转换为列表因为numpy数组要求元素类型一致
array_2d np.array(L2)
print(二维数组:)
print(array_2d)
运行结果 2.内嵌函数定义较复杂数据结构
在编程过程中预先定义一些数组变量用来保存程序产生的结果是非常必要的请分别给出利用numpy包中ones ()、zeros()、arange()、linspace()函数定义的例子。
相关代码
import numpy as np
# 使用ones()创建一个3x3的全1数组
ones_array np.ones((3, 3))
# 使用zeros()创建一个4x4的全0数组
zeros_array np.zeros((4, 4))
# 使用arange()创建一个从0到10的整数数组步长为2
arange_array np.arange(0, 11, 2)
# 使用linspace()创建一个从0到10的等差数列包含11个元素
linspace_array np.linspace(0, 10, 11)
# 输出结果
print(全1数组 ones_array:)
print(ones_array)
print(\n全0数组 zeros_array:)
print(zeros_array)
print(\n使用arange()创建的数组 arange_array:)
print(arange_array)
print(\n使用linspace()创建的数组 linspace_array:)
print(linspace_array)运行结果 3.数组运算
现有数组Anp.array([1,3,3.1,4.5])和Bnp.array( [[1,2,3,4],(5,6,7,8),[9,10,11,12]])请求解出A的最大值、最小值、正弦值、余弦值、长度和A乘B的程序。
相关代码
import numpy as np
# 定义数组A和B
A np.array([1, 3, 3.1, 4.5])
B np.array([[1, 2, 3, 4], (5, 6, 7, 8), [9, 10, 11, 12]])
# 计算A的最大值
max_A np.max(A)
# 计算A的最小值
min_A np.min(A)
# 计算A的正弦值
sin_A np.sin(A)
# 计算A的余弦值
cos_A np.cos(A)
# 计算A的长度
length_A len(A)
# 计算A乘B
multi A * B
# 输出结果
print(数组A的最大值:, max_A)
print(数组A的最小值:, min_A)
print(数组A的正弦值:, sin_A)
print(数组A的余弦值:, cos_A)
print(数组A的长度:, length_A)
print(数组A乘以B的结果:\n, multi)运行结果 4.数组切片
现有数组Anp.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])编程实现如下功能
1将6、7、14、16这四个元素顺序切片出来构成一个2*2数组
2取第0列元素小于9的第2、3列数据并赋值给B。
相关代码
import numpy as np
# 创建一个4x4的数组A
A np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
# 从数组A中选取第1行第1列、第1行第2列、第3行第1列和第3行第3列的元素
# 然后将其重塑为2x2的数组A_
A_ np.array([A[1,1],A[1,2],A[3,1],A[3,3]]).reshape(2,2)
# 从数组A中选取第0列元素小于9的行然后选取第2列和第3列的数据
B A[A[:,0] 9, [2,3]]
# 打印原始数组A
print(A)
# 打印重塑后的数组A_
print(A_)
# 打印数组B
print(B)运行结果 5.数组连接
现有数组Anp.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])和B np.array([1,1,1,1])请将数组A和数组B进行水平连接获得新数组C即C的前4列来源于A最后一列来源于B。
相关代码
import numpy as np
# 定义数组A和B
A np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])
B np.array([1, 1, 1, 1])
# 将数组A和数组B水平连接得到新数组C
C np.column_stack((A, B))
# 输出结果
print(水平连接后的数组C:\n, C)运行结果 二、Pandas
Pandas 是一个开源的 Python 库专门为数据分析和处理而设计它在数据科学、统计学和机器学习等领域具有广泛应用。Pandas 建立在 NumPy 数值计算库的基础上为 Python 提供了高性能、易用且功能丰富的数据结构和数据分析工具。
Pandas 的定义要点 数据结构Pandas 主要引入了两种核心数据结构 Series一维数组带标签的有序数据集可以存储任意数据类型。DataFrame二维表格型数据结构包含行和列索引每一列可以是不同的数据类型类似于关系型数据库中的表或电子表格。 数据处理能力Pandas 提供了一系列强大的数据清洗、整合、重塑、过滤、分组、排序、统计分析等功能。 I/O 功能能够方便地从不同数据源如CSV、Excel、SQL数据库、HDF5、JSON等读取数据并将数据写回上述格式或其他格式。 时间序列功能特别擅长处理时间序列数据拥有丰富的时间序列分析工具如日期范围生成、频率转换、移动窗口统计等。 集成性Pandas 良好的兼容性和集成性使其能无缝衔接其他 Python 库如 matplotlib 用于可视化、NumPy 用于数值计算、SciPy 用于科学计算、Statsmodels 用于统计建模、Scikit-learn 用于机器学习等。
Pandas 的使用领域 数据分析Pandas 在商业智能和数据分析中广泛用于数据探索、数据质量评估、数据预处理等步骤帮助数据分析师快速理解数据分布、查找模式和异常。 数据清洗和整理Pandas 提供了一系列方法用于处理缺失值、重复值、异常值以及数据类型转换、重命名、合并、切片、拼接等数据预处理工作。 统计分析支持复杂的数据聚合、分组运算、描述性统计分析以及更深入的统计检验和模型拟合前的数据准备。 机器学习和人工智能在机器学习项目中Pandas 是数据预处理阶段不可或缺的一部分用于特征工程、特征选择和数据分割等任务。 商业和科学研究在各行各业的数据密集型工作中包括但不限于金融、医疗、市场营销、社会科学研究等Pandas 都是进行高效数据处理和分析的关键工具。
1.序列和数据框
现有列表L1[1,-2,2.3,hq]、L2[‘kl’,’ht’,’as’,’km’]和元组T1(1,8,8,9)和T2(2,4,7,’hp’)
1请给出值为L1采用默认索引和指定索引’a’,’b’,’c’,’d’两种方式的序列定义方法。
相关代码 import pandas as pd
L1 [1, -2, 2.3, hq]
series_default_index pd.Series(L1)
print(序列默认索引:)
print(series_default_index)import pandas as pd
L1 [1, -2, 2.3, hq]
index_labels [a, b, c, d]
series_specified_index pd.Series(L1, indexindex_labels)
print(序列指定索引:)
print(series_specified_index)运行结果 2请给出索引为’a’,’b’,’c’,’d’列名和值分别为’L1’ ,’L2’ ,’T1’ ,’T2’及其值的数据框构造方法。
相关代码
import pandas as pdL1 [1, -2, 2.3, hq]
L2 [kl, ht, as, km]
T1 (1, 8, 8, 9)
T2 (2, 4, 7, hp)# 为了创建一个DataFrame我们需要一个列表的列表或者字典其中键是列名
data {L1: L1,L2: L2,T1: list(T1), # 将元组转换为列表T2: list(T2) # 将元组转换为列表
}# 构造数据框并指定索引
df pd.DataFrame(data, index[a, b, c, d])
print(数据框:)
print(df)运行结果 2.外部数据文件读取
1请读取“一、车次上车人数统计表.xlsx”中的sheet2数据用一个数据框df1来表示
相关代码
import pandas as pd
# 1读取Excel文件中的sheet2数据
file_path_excel 一、车次上车人数统计表.xlsx
sheet_name Sheet2
df1 pd.read_excel(file_path_excel, sheet_namesheet_name)
print(df1)运行结果 2请读取文本文件txt1中的数据用一个数据框df2来表示
相关代码
import pandas as pd
file_path_txt txt1.txt
df2 pd.read_csv(file_path_txt, sep\t) # 假设文本文件使用制表符分隔
print(df2)
运行结果 3大容量文件的读取需要采用分块读取的方式来处理数据比如csv文件常用来存放大容量文件。请采用分块读取的方式读取“data.csv”文件每次读取20000行读取出来的数据分别用数据框A1A2A3A4……等来表示。
相关代码
import pandas as pd
file_path_csv data.csv
chunksize 20000
chunks []# 读取CSV文件的每个块
for chunk in pd.read_csv(file_path_csv, chunksizechunksize):chunks.append(chunk)# 将每个块的数据框存储在列表中
dataframes []
for i, chunk in enumerate(chunks):df_name fA{i1}df pd.DataFrame(chunk)dataframes.append(df)print(f创建的数据框 {df_name}:\n, df)运行结果 3.数据框关联操作
请根据以下定义的两个字典 dict1 和 dict2完成如下任务
dict1{code:[A01,A01,A01,A02,A02,A02,A03,A03],month:[01,02,03,01,02,03,01,02],price:[10,12,13,15,17,20,10,9]}
dict2{code:[A01,A01,A01,A02,A02,A02],month[01,02,03,01,02,03], vol[10000,10110,20000,10002,12000,21000]}
1将两个字典转化为数据框
相关代码
import pandas as pd
# 定义字典
dict1 {code: [A01, A01, A01, A02, A02, A02, A03, A03],month: [01, 02, 03, 01, 02, 03, 01, 02],price: [10, 12, 13, 15, 17, 20, 10, 9]
}
dict2 {code: [A01, A01, A01, A02, A02, A02],month: [01, 02, 03, 01, 02, 03],vol: [10000, 10110, 20000, 10002, 12000, 21000]
}
# 将字典转换为数据框
df1 pd.DataFrame(dict1)
df2 pd.DataFrame(dict2)
print(df1)
print(df2)运行结果 2对两个数据框完成内连接、左连接、右连接并将结果输出
相关代码
import pandas as pd
# 定义字典
dict1 {code: [A01, A01, A01, A02, A02, A02, A03, A03],month: [01, 02, 03, 01, 02, 03, 01, 02],price: [10, 12, 13, 15, 17, 20, 10, 9]
}
dict2 {code: [A01, A01, A01, A02, A02, A02],month: [01, 02, 03, 01, 02, 03],vol: [10000, 10110, 20000, 10002, 12000, 21000]
}
# 将字典转换为数据框
df1 pd.DataFrame(dict1)
df2 pd.DataFrame(dict2)
# 1内连接
inner_join pd.merge(df1, df2, on[code, month], howinner)
print(内连接结果\n, inner_join)
# 2左连接
left_join pd.merge(df1, df2, on[code, month], howleft)
print(\n左连接结果\n, left_join)
# 3右连接
right_join pd.merge(df1, df2, on[code, month], howright)
print(\n右连接结果\n, right_join)运行结果 4.数据框合并操作
请定义三个字典dict1、dict2和dict3完成如下任务
dict1{a:[2,2,kt,6],b:[4,6,7,8],c:[6,5,np.nan,6]}
dict2{d:[8,9,10,11],e:[p,16,10,8]}
dict3{a:[1,2],b:[2,3],c:[3,4],d:[4,5],e:[5,6]}
1将三个字典转化为数据框df1、df2、df3
相关代码
import pandas as pd
import numpy as np# 定义字典并转化为数据框
dict1 {a: [2, 2, kt, 6], b: [4, 6, 7, 8], c: [6, 5, np.nan, 6]}
dict2 {d: [8, 9, 10, 11], e: [p, 16, 10, 8]}
dict3 {a: [1, 2], b: [2, 3], c: [3, 4], d: [4, 5], e: [5, 6]}
df1 pd.DataFrame(dict1)
df2 pd.DataFrame(dict2)
df3 pd.DataFrame(dict3)
# 1将三个字典转化为数据框
print(df1:)
print(df1)
print(\ndf2:)
print(df2)
print(\ndf3:)
print(df3)
运行结果 2df1和df2进行水平合并合并后的数据框记为df4
相关代码
# 2df1和df2进行水平合并
df4 pd.concat([df1, df2], axis1)
print(\ndf1和df2水平合并结果df4)
print(df4)
运行结果 3df3和df4垂直合并并修改合并后的index为按默认顺序排列。
相关代码
# 3df3和df4垂直合并并修改合并后的index为按默认顺序排列
df_final pd.concat([df3, df4], axis0).reset_index(dropTrue)
print(\ndf3和df4垂直合并结果重置索引后)
print(df_final)
运行结果 5.序列移动计算方法应用
定义列表L[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]并转化为序列S采用序列中的方法实现周期为10的移动求和、求平均值、求最大值、求最小值的计算并输出序列为10的移动计算的最小值的结果。
相关代码
import pandas as pd
L [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
S pd.Series(L)
# 移动求和
moving_sum S.rolling(window10).sum()
# 求平均值
moving_mean S.rolling(window10).mean()
# 求最大值
moving_max S.rolling(window10).max()
# 求最小值
moving_min S.rolling(window10).min()
print(移动求和结果, moving_sum)
print(平均值结果, moving_mean)
print(最大值结果, moving_max)
print(最小值结果, moving_min)运行结果 6.数据框切片iloc、loc方法
数据框中有两种方式可以实现切片通过索引实现iloc和列标签实现loc。请读取地铁站点进出站客流数据表Data.xlsx并完成如下任务
1采用索引实现的方式获取135站点10月1日-10月2日早上9-11点3个时刻的进站客流量数据
相关代码
运行结果
2采用列标签实现方式获取135站点10月1日-10月2日早上9-11点3个时刻的进站客流量数据。
相关代码
运行结果
7.数据框排序
读取股票交易数据表stkdata.xlsx完成如下任务
1提取600000.SH代码交易数据并按交易日期从小到大进行排序
相关代码
运行结果
2对整个数据表按代码、交易日期从小到大进行排序。
相关代码
运行结果
8.逻辑索引、切片方法groupby 分组计算函数应用
请读取地铁站点进出站客流数据表(Data.xlsx)完成以下任务
1取出第0列通过去重的方式获得地铁站点编号列表,记为code.
相关代码
运行结果
2采用数据框中的groupby分组计算函数统计出每个地铁站点每天的进站人数和出站人数计算结果采用一个数据框sat_num来表示其中列标签依次为:站点编号、日期、进站人数和出站人数
相关代码
运行结果
3计算出每个站点国庆节期间10.1~10.7的进站人数和出站人数 计算结果用一个数据框sat_num2来表示其中列标签依次为:A1_站点编号、A2_进站人数、A3_出站人数。
相关代码
运行结果
三、Matplotlib
Matplotlib 是一个用于 Python 语言的绘图库主要用于创建高质量的数据可视化图形。它是开源的并且非常流行在数据分析、科学计算、工程绘图及教育领域有着广泛的应用。
Matplotlib 的定义要点 绘图库Matplotlib 提供了一整套绘制静态、动态和交互式图形的功能尤其专注于二维数据可视化同时也支持一些基本的三维图表。 功能全面它能够绘制各种类型的图表包括但不限于折线图line plots、散点图scatter plots、柱状图bar charts、饼图pie charts、直方图histograms、箱线图box plots、等高线图contour plots、热力图heatmap、3D表面图3D surface plots等。 高度定制化Matplotlib 允许用户对图形的各种细节进行精细化控制包括颜色、线型、标记样式、字体、布局、坐标轴、图例、注释、文本标注等。 兼容性好可以与其他 Python 库如 NumPy、Pandas 等无缝配合能够直接处理这些库产生的数据结构简化数据可视化过程。 输出形式多样创建的图表可以保存为多种格式例如 PNG、JPEG、SVG、PDF 等也可以显示在交互式环境中如 Jupyter Notebook 或 GUI 应用程序内。
Matplotlib 的使用领域 科学研究科学家在发表论文时经常使用 Matplotlib 来展示实验结果和模拟数据生成可供出版的质量极高的图形。 数据分析数据分析人员利用 Matplotlib 来快速探索数据集揭示数据之间的关系和趋势辅助做出业务决策。 教育领域在数学、物理、工程等相关课程的教学中Matplotlib 被用来清晰地演示数学概念和实验结果。 商业报告商业智能和市场研究团队会用 Matplotlib 来可视化业务指标、客户行为分析等以直观的形式展现给管理层或客户。 工程绘图工程师在处理仿真结果、测量数据或设备性能数据时可以通过 Matplotlib 进行图形化展示和分析。
总之Matplotlib 是一个通用性强、适应面广的数据可视化工具对于任何需要用图形来表达数据含义、解释复杂现象或者交流研究成果的场景都具有很高的实用价值。
各站点各时刻进出站客流数据.xlsx部分数据 站点编号日期时刻进站人数出站人数1552015-10-01729412151552015-10-018112840671552015-10-019144137131552015-10-0110204329761552015-10-0111267831981552015-10-0112251528041552015-10-0113231323961552015-10-0114176726801552015-10-011518732202 1.散点图绘制
读取“各站点各时刻进出站客流数据.xlsx”绘制站点155各时刻进站客流散点图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取数据
data pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常1散点图绘制
读取“各站点各时刻进出站客流数据.xlsx”绘制站点155各时刻进站客流散点图。
# 筛选出站点155的数据
site_155_data data[data[站点编号] 155]
# 使用groupby按“时刻”聚合数据并计算每个时刻的“进站人数”之和
aggregate_data site_155_data.groupby(时刻)[进站人数].sum().reset_index()
# 绘制散点图
plt.scatter(aggregate_data[时刻], aggregate_data[进站人数])
plt.xlabel(时刻)
plt.ylabel(进站总人数) # 修改标签为进站总人数
plt.title(站点155各时刻进站客流散点图) # 修改标题为进站总人数散点图
plt.show()
运行结果 2.线性图绘制
读取“各站点各时刻进出站客流数据.xlsx”绘制站点157各时刻进站客流线形图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取数据
data pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常
sites [157]
fig, ax plt.subplots(figsize(10, 8))for i, site in enumerate(sites):site_data data[data[站点编号] site]total_counts site_data.groupby(时刻)[进站人数].sum()ax.plot(total_counts.index, total_counts.values)ax.set_title(f站点{site}各时刻进站客流线性图)ax.set_xlabel(时刻)ax.set_ylabel(总进站人数)plt.tight_layout()
plt.show()
运行结果 3.柱状图绘制
读取“各站点各时刻进出站客流数据.xlsx”绘制站点157各时刻进站客流柱状图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取数据
data pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常
# 筛选出站点157的数据
site_157_data data[data[站点编号] 157]# 使用groupby按“时刻”聚合数据并计算每个时刻的“进站人数”之和
aggregate_data site_157_data.groupby(时刻)[进站人数].sum().reset_index()
# 绘制柱状图
plt.bar(aggregate_data[时刻], aggregate_data[进站人数])
plt.xlabel(时刻)
plt.ylabel(进站总人数) # 修改标签为进站总人数
plt.title(站点157各时刻进站客流柱状图) # 修改标题为进站总人数柱状图
plt.xticks(rotation45) # 如果时刻标签较长可以旋转x轴标签以便阅读
plt.show()
运行结果 4.直方图绘制
读取“各站点各时刻进出站客流数据.xlsx”绘制站点157各时刻进站客流直方图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取数据
data pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常
# 筛选出站点157的数据
site_157_data data[data[站点编号] 157]
# 使用groupby按“时刻”聚合数据并计算每个时刻的“进站人数”之和
aggregate_data site_157_data.groupby(时刻)[进站人数].sum().reset_index()
# 绘制直方图
plt.hist(aggregate_data[进站人数], bins10) # 设置bins参数来控制直方图的柱子数量
plt.xlabel(进站总人数)
plt.ylabel(频数)
plt.title(站点157各时刻进站客流直方图)
plt.show()
运行结果 5.饼图绘制
读取 “各站点各时刻进出站客流数据.xlsx”绘制站点157各时刻进站客流饼图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取数据
data pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常
# 筛选出站点157的数据
site_157_data data[data[站点编号] 157]
# 饼图不适合展示时间序列数据但可以展示每个时刻进站人数占全天进站人数的比例
pie_data site_157_data.groupby(时刻)[进站人数].sum()
plt.pie(pie_data, labelspie_data.index, autopct%1.1f%%)
plt.title(站点157各时刻进站客流饼图)
plt.show()
运行结果 6.箱线图绘制
读取“各站点各时刻进出站客流数据.xlsx”绘制各站点在9时刻进站客流的箱线图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取数据
data pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常
# 筛选9时刻的进站客流数据
nine_am_data data[(data[时刻] 9)][[站点编号, 进站人数]]# 按站点编号分组并计算进站人数的列表
station_flows nine_am_data.groupby(站点编号)[进站人数].apply(list).to_dict()# 绘制箱线图
plt.boxplot(station_flows.values(), labelsstation_flows.keys())
plt.xlabel(站点编号)
plt.ylabel(进站人数)
plt.title(各站点在9时刻进站客流的箱线图)
plt.show()
运行结果 7.子图绘制
读取“各站点各时刻进出站客流数据.xlsx”将155、157、151、123四个站点在各时刻的进站客流用一个2*2的子图绘制其线性图。
相关代码
import pandas as pd
import matplotlib.pyplot as plt# 读取Excel文件
df pd.read_excel(各站点各时刻进出站客流数据.xlsx)
plt.rcParams[font.sans-serif] SimHei # 设置字体为SimHei
plt.rcParams[axes.unicode_minus] False # 解决负号“-”显示异常
# 定义需要绘图的站点编号
stations [155, 157, 151, 123]
# 初始化子图位置
subplot_positions [(1, 1), (1, 2), (2, 1), (2, 2)]
# 初始化一个空的字典来存储每个站点的聚合数据
station_data {}
# 遍历站点列表对每个站点进行聚合
for station in stations:# 筛选出特定站点的数据station_df df[df[站点编号] station]# 以时刻为索引对进站人数进行求和aggregated_data station_df.groupby(时刻)[进站人数].sum().reset_index()# 将聚合后的数据存储在字典中station_data[station] aggregated_data
# 绘制2x2子图
fig, axs plt.subplots(2, 2, figsize(12, 8))
# 遍历站点和子图位置
for i, (station, data) in enumerate(station_data.items()):# 确定子图的位置row, col subplot_positions[i]ax axs[row - 1, col - 1]# 绘制线性图ax.plot(data[时刻], data[进站人数], markero, labelf站点{station})ax.set_xlabel(时刻)ax.set_ylabel(总进站人数)ax.set_title(f站点{station}各时刻总进站客流线形图)ax.legend()
# 调整子图之间的间距
plt.tight_layout()
# 显示图形
plt.show()
运行结果 四、数据探索
波士顿房价数据集卡内基梅隆大学收集StatLib库1978年涵盖了麻省波士顿的506个不同郊区的房屋数据。
一共含有506条数据。每条数据14个字段包含13个属性和一个房价的平均值。 数据读取方法 1.请绘制散点图探索波士顿房价数据集中犯罪率CRIM和房价中位数MEDV之间的相关性。
2.请使用波士顿房价数据集中房价中位数MEDV来绘制箱线图。
3.请使用暗点图矩阵探索波士顿房价数据集。
4.请分别使用皮尔逊pearson、斯皮尔曼spearman、肯德尔kendall相关系数对犯罪率CRIM和房价中位数MEDV之间的相关性进行度量。
相关系数计算方法 5.请绘制波士顿房价数据集中各变量之间相关系数的热力图。
需提前安装seaborn库pip install seaborn
热力图绘制方法 五、数据预处理 1.读取“银行贷款审批数据.xlsx”表自变量为x1-x14决策变量为y1-同意贷款0-不同意贷款自变量中有连续变量x2,x3,x5,x6,x7,x10,x13,x14和离散变量x1,x4,x8,x9,x11,x12请对连续变量中的缺失值用均值策略填充对离散变量中的缺失值用最频繁值策略填充。 2.请使用StandardScaler对波士顿房价数据集进行零-均值规范化。 3.在上一问规范化后的数据基础上使用PCA对数据进行降维处理降维后的特征数量为2。
