Python学習2日目 - Numpyデータの統計とその他の用途

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()