数据处理练习

这篇博客探讨了高级编程课程中的数据处理问题,涉及读取CSV文件并进行线性关系分析。通过程序命令行输出和图形展示,第三组数据被发现与线性关系最吻合,且在回归分析中误差值最小。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目来自高级编程课程

给定一个csv文件,完成以下两题:


对应代码如下:

import random

import numpy as np
import scipy as sp
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

import statsmodels.api as sm
import statsmodels.formula.api as smf

anascombe = pd.read_csv( 'anscombe.csv')

print(anascombe.groupby( 'dataset')[ 'x'].mean())
print(anascombe.groupby( 'dataset')[ 'y'].mean())
print(anascombe.groupby( 'dataset')[ 'x'].var())
print(anascombe.groupby( 'dataset')[ 'y'].var())
print(anascombe.groupby( 'dataset').corr())

dataset_names = [ 'I', 'II', 'III', 'IV']
for i in dataset_names:

n = len(anascombe[anascombe.dataset == i])
is_train = np.random.rand(n) < 0.7
train = anascombe[anascombe.dataset == i][is_train].reset_index( drop = True)
test = anascombe[anascombe.dataset == i][ ~is_train].reset_index( drop = True)

lin_model = smf.ols( 'y ~ x', train).fit()
print(lin_model.summary())

g = sns.FacetGrid(anascombe, col = 'dataset')
g.map(plt.scatter, 'x', 'y')
plt.show()

程序命令行输出:

dataset
I      9.0
II     9.0
III    9.0
IV     9.0
Name: x, dtype: float64
dataset
I      7.500909
II     7.500909
III    7.500000
IV     7
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值