第十四周作业 jupyter

jupyter notebook （别称ipython notebook）是一个基于网页的交互式笔记本，支持40多种编程语言。支持创建和共享包含实时代码、方程式、可视化和叙述性文本的文档。

安装jupyter notebook

具体安装方式官网有详细介绍 install jupyter，我选择了通过anaconda安装

anaconda是一个python的开源科学计算平台，支持linux、mac、windows系统，内置个各种常用科学计算包，提供包管理功能和环境管理功能，解决了多版本python并存造成的各种问题，适合初学者和懒人使用

下载可以通过anaconda 的官方下载地址，不过速度真的太慢了……推荐使用清华大学镜像站下载

有关jupyter的各种用法可以查看这个博客， 或者直接查阅官方文档

作业题目

Anscombe's quartet comprises of four datasets, and is rather famous. Why?You'll find out in this exercise.

Anscombe’s Quartet

I		II		III		IV
x	y	x	y	x	y	x	y
10.0	8.04	10.0	9.14	10.0	7.46	8.0	6.58
8.0	6.95	8.0	8.14	8.0	6.77	8.0	5.76
13.0	7.58	13.0	8.74	13.0	12.74	8.0	7.71
9.0	8.81	9.0	8.77	9.0	7.11	8.0	8.84
11.0	8.33	11.0	9.26	11.0	7.81	8.0	8.47
14.0	9.96	14.0	8.10	14.0	8.84	8.0	7.04
6.0	7.24	6.0	6.13	6.0	6.08	8.0	5.25
4.0	4.26	4.0	3.10	4.0	5.39	19.0	12.50
12.0	10.84	12.0	9.13	12.0	8.15	8.0	5.56
7.0	4.82	7.0	7.26	7.0	6.42	8.0	7.91
5.0	5.68	5.0	4.74	5.0	5.73	8.0	6.89

导入csv文件

涉及知识：

1、csv(逗号分隔值)是一种用来存储数据的纯文本文件，通常都是用于存放电子表格或数据的一种文件格式。一般用WORDPAD或记事本(NOTE),EXCEL打开。

2、%matplotlib inline 这是一个魔法函数 （magic function），是IPython中一种模仿命令行来访问magic函数的独有的形式

3、seaborn 是一个可以调整图表让你的图表更优美漂亮的库，知乎上有官方文档的中文翻译

4、read_csv（） 读取csv文件

5、.head（10） 显示前10行数据， 如果没有参数则默认显示5行数据

Part 1

For each of the four datasets...

• Compute the mean and variance of both x and y
• Compute the correlation coefficient between x and y
• Compute the linear regression line:  (hint: use statsmodels and look at the Statsmodels notebook)

涉及知识：

1、groupby 是pandas提供的一个能对数据集进行切片、切块、摘要等操作的函数

2、pandas.DataFrame.mean()求平均值

3、pandas.DataFrame.var()求方差

涉及知识：

.corr()：返回列与列之间的相关系数

涉及知识：

scipy.stats.linregress ： 只对计算两组测量值的最小二成回归进行优化，返回系数，截距，R2系数和标准差

    可以看出，四组数据x的平均值都是9.0，方差都是11.0； y的平均值都是7.5，方差都是4.12；x, y的相关系数都是0.81；四组数据的线性回归方程都近似 y = 0.5x + 3

Part 2

Using Seaborn, visualize all four datasets.

hint: use sns.FacetGrid combined with plt.scatter