高级编程技术 jupyter课后习题

本文通过Python的Pandas, Seaborn等库对Anascombe数据集进行了详细的统计分析,包括计算均值、方差、相关系数,并对每个子数据集进行线性回归分析。同时展示了数据分布的散点图。

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

%matplotlib inline

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

sns.set_context("talk")

# your code here

# 计算均值
print("\n均值:")
print(anascombe.groupby('dataset')['x'].mean())
print(anascombe.groupby('dataset')['y'].mean())

# 计算方差
print("\n方差:")
print(anascombe.groupby('dataset')['x'].var())
print(anascombe.groupby('dataset')['y'].var())

# 计算相关系数
print("\n相关系数:")
print(anascombe.x.corr(anascombe.y))

# 计算线性回归
dataset = anascombe[(anascombe['dataset']=='I')].reset_index(drop=True)  
result = smf.ols('y ~ x', dataset).fit()  
print(result.summary())
dataset = anascombe[(anascombe['dataset']=='II')].reset_index(drop=True)  
result = smf.ols('y ~ x', dataset).fit()  
print(result.summary()) 
dataset = anascombe[(anascombe['dataset']=='III')].reset_index(drop=True)  
result = smf.ols('y ~ x', dataset).fit()  
print(result.summary()) 
dataset = anascombe[(anascombe['dataset']=='IV')].reset_index(drop=True)  
result = smf.ols('y ~ x', dataset).fit()  
print(result.summary()) 

以数据集1为例




# your code here
sns.set(style='whitegrid')      
sns.FacetGrid(anascombe, col="dataset", hue="dataset", size=3)  .map(plt.scatter, 'x', 'y')   

评论
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