不安定なアプリケーション
NumPy は通常、SciPy (科学 Python) および Matplotlib (描画ライブラリ) と一緒に使用され、Python を介してデータ サイエンスや機械学習を学習するのに役立つ強力な科学コンピューティング環境です。 NumPy を使用して、棒グラフ、円グラフ、複数のサブグラフ、線形回帰グラフのデータ分析を行うことができます。
さらに、Python プログラミング言語でのデータ操作と分析のためのソフトウェア ライブラリである Pandas ライブラリをインポートできます。特に、数値テーブルと時系列を操作するためのデータ構造と操作を提供します。 Pandas では、CSV、JSON、< などのさまざまなファイル形式から描画できます。 /span> a> を使用してデータをインポートします。 Microsoft Excel、SQL
cmdインポートモジュール:
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple //运用清华源安装scipy模块
1. 単純な予測
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. 重回帰予測データ
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_)
関連する要因のデータから結果を予測できます。
3. 円グラフ
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. 棒グラフ
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()