2019118_四个化学数据分析(1)

这是第一个，每个都有配套的文档

import pandas as pd
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
import matplotlib.pyplot as plt
%matplotlib inline

test=pd.read_excel('2017年南区污水试验检测结果统计表(周检).xlsx')

test.head()

	取样地点	取样日期	编号	化学需氧量	氨氮	总氮	总磷	锰
0	南区污水	2017-05-22	170522WST01	1.21	0.025	0.05	0.030	0.01
1	南区污水	2017-05-22	170522WST02	360.00	0.091	50.50	0.910	0.01
2	南区污水	2017-06-01	170601WST03	20.70	0.025	2.03	0.006	0.01
3	南区污水	2017-06-01	170601WST04	39.60	0.605	27.60	2.430	0.01
4	南区科研	2017-06-05	170605WST04	45.80	0.312	21.70	0.983	0.01

test.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 18 entries, 0 to 17
Data columns (total 8 columns):
取样地点     18 non-null object
取样日期     18 non-null datetime64[ns]
编号       18 non-null object
化学需氧量    18 non-null float64
氨氮       18 non-null float64
总氮       18 non-null float64
总磷       18 non-null float64
锰        18 non-null float64
dtypes: datetime64[ns](1), float64(5), object(2)
memory usage: 1.2+ KB

test.hist(figsize=(20,10))

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x00000171E856CD30>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000171E85D2828>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x00000171E884AEB8>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000171E887B588>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x00000171E88A3C18>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000171E88A3C50>]],
      dtype=object)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KrFgpysM-1574996603612)(output_4_1.png)]

test['取样地点'].unique()

array(['南区污水', '南区科研', '反渗透水', '超滤出水', '超滤进水', '超滤产水'], dtype=object)

X = test.drop(['取样地点','编号','取样日期'],axis=1)

通过聚类算法验证是否可行

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
X = np.array(X)
#类簇的数量
n_clusters = 4
#现在把数据和对应的分类书放入聚类函数中进行聚类
cls = KMeans(n_clusters).fit(X)
#X中每项所属分类的一个列表
cls.labels_
#画图
markers = ['^', 'x', 'o', '*', '+']
for i in range(n_clusters):
  members = cls.labels_ == i
  plt.scatter(X[members, 0], X[members, 1], s=60, marker=markers[i], c='b', alpha=0.5)
plt.title(' ')
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XhFLbFX7-1574996603613)(output_8_0.png)]