python学习的第二天——Numpy数据统计等使用

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()