SPSS（二）

在这一部分，我采用了多元线性回归分析。以下是具体的论文，文档将会在成绩下来后发出。

并通过python进行了数据可视化分析，以下是具体代码和热力图

# -*- coding: utf-8 -*-

# 读取csv文件

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

#这里改路径，记得将文件单元格形式，改成数值型

filepath = 'D:\i4Tools8\数据河北.csv'

data = pd.read_csv(filepath,encoding='gbk')

df = pd.DataFrame(data)

# 计算出相关系数并输出，这里选择的是皮尔逊相关系数

cor = data.corr(method='pearson')

print(cor) # 输出相关系数

rc = {'font.sans-serif': 'SimHei',

      'axes.unicode_minus': False}

sns.set(font_scale=0.7,rc=rc) # 设置字体大小

sns.heatmap(cor,

            annot=True, # 显示相关系数的数据

            center=0.5, # 居中

            fmt='.2f', # 只显示两位小数

            linewidth=0.5, # 设置每个单元格的距离

            linecolor='green', # 设置间距线的颜色

            vmin=0, vmax=1, # 设置数值最小值和最大值

            xticklabels=True, yticklabels=True, # 显示x轴和y轴

            square=True, # 每个方格都是正方形

            cbar=True, # 绘制颜色条

             #这里设置颜色

            cmap='coolwarm_r', # 设置热力图颜色

            )

plt.savefig("相关热力图.png",dpi=600)#保存图片，分辨率为600

plt.ion() #显示图片