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