《计算机二级Python语言程序设计》国家财政数据趋势演算--注释及理解

WCYDN

已于 2022-10-10 21:07:56 修改

阅读量612

点赞数 1

文章标签： python visual studio

于 2022-10-10 21:01:53 首次发布

本文链接：https://blog.csdn.net/WCYDN/article/details/127251795

版权

def parseCSV(filename):                                              #* 解析CSV文件，从中读取数据，并把数据表示为列表类型。
    dataNames,data = [],[]                                
    f = open(filename,'r',encoding='utf-8-sig')                      #! 已事先以记事本方式打开原CSV文件,然后另存为时编码选择UTF-8进行保存
    for line in f:                                                   #! 或者在原excel文件另存为时，选择CSV UTF-8格式保存
        splitedLine = line.strip('\n').split(',')
        if '指标' in splitedLine[0]:
            years = [int(x[:-1]) for x in splitedLine[1:]]           # 去掉指标这一行中的年，变为2000 2015 2016
        else:
            dataNames.append('{:10}'.format(splitedLine[0]))         # 输出每行第一个元素即全部的指标名称 
            data.append([float(x) for x in splitedLine[1:]])         # 输出每一行的财政数字
    f.close()
    return years,dataNames,data                                      #分别以列表形式返回年份、指标名称、财政数字。

line1 = "指标,2000年,2015年,2016年" 字符串

line2 = "全部收入,13395.2,152269.2,159605“

splitedLine1 = ["指标","2000年","2015年","2016年"] 一维列表，元素是字符串

splitedLine2 = ["全部收入","13395.2","152269.2","159605“]

years = [2000, 2015, 2016],

dataNames = ['全部收入 ', '中央收入 ', '地方收入 ', '全部支出 ', '中央支出 ', '地方支出 ']

data = [[13395.2, 152269.2, 159605.0], [6989.2, 69267.2, 72365.6], [6406.1, 83002.0, 87239.4], [15886.5, 175877.8, 187755.2],

[5519.9, 25542.2, 27403.9], [10366.7, 150335.6, 160351.4]]

def means(data):
    return sum(data)/len(data)                                       #* 计算数据均值，即求x的平均数和y的平均数

def linearRegression(xlist,ylist):                                   #* 求xlist、ylist线性回归值 
    xmeans,ymeans = means(xlist),means(ylist)
    bNumerator = -len(xlist) * means(xlist) * means(ylist)           # b分子中的-n*xba*yba
    bDenominator = -len(xlist) * means(xlist) ** 2                   # b分母中的-n*xba^2
    for x,y in zip(xlist,ylist):                                     # zip(): 对xlist和ylist进行同步遍历，每次取出各自一个元素x和y
        bNumerator += x * y                                          # 求b的分子 ∑xy - n*xba*yba
        bDenominator += x ** 2                                       # 求b的分母 ∑x^2 - n*xba^2
    b = bNumerator/bDenominator
    a = ymeans -b * xmeans
    return a,b                                                       #? 返回一个指标如(全部收入)的回归方程中的常数a、b

注释中xba 代表 $\bar{x}$ ，yba代表 $\bar{y}$

def calNewData(newyears,a,b):                                        #* 计算新年份对应的y值即data值
    return [(a + b*x) for x in newyears]

def showResults(years,dataNames,newDatas):                           #* 集中展示运行结果，重点在于格式化输出
    print('{:^60}'.format('国家财政收支线性估计'))
    header = '指标      '
    for year in years:                                    # 根据main()函数，这时years = newyears = [2010,2011,2012,2013,2014,2015,2016]
        header += '{:10}'.format(year)
    print(header)                                         #header = 指标   2010    2011   2012   2013   2014   2015   2016
    for name,lineData in zip(dataNames,newDatas):
        line = name
        for data in lineData:
            line += '{:>10.1f}'.format(data)
        print(line)

zip(dataNames,newDatas) = [(全部收入,[105359.6, 114550.1, 123740.6, 132931.0, 142121.5, 151312.0, 160502.4])

(中央收入,[48169.1, 52283.8, 56398.5, 60513.2, 64627.9, 68742.7, 72857.4])...]

line1 = 全部收入 105359.6 114550.1 123740.6 132931.0 142121.5 151312.0 160502.4

line2 = 中央收入 48169.1 52283.8 56398.5 60513.2 64627.9 68742.7 72857.4

line3 = 地方收入 57190.6 62266.3 67342.1 72417.8 77493.6 82569.3 87645.1

......

def main():
    newyears = [x+2010 for x in range(7)]                 # newyears = [2010,2011,2012,2013,2014,2015,2016]
    newDatas = []
    years,dataNames,datas = parseCSV('D:/Python/TEXT/Finance.csv')       # years = 年份  dataNames = 指标名称  datas = 财政数字
    for data in datas:
        a,b = linearRegression(years,data)                # 调用函数，代入数据，算出各个指标回归方程a、b的值。 years = xlist  data = ylist
        newDatas.append(calNewData(newyears,a,b))         # 把a、b代入函数calNewData()中，算出新年份对应值 然后再在newDatas空列表中依次加入 a+b*2010、 a+b*2011...等新年份对应值
    showResults(newyears,dataNames,newDatas)

years = [2000, 2015, 2016],

dataNames = ['全部收入 ', '中央收入 ', '地方收入 ', '全部支出 ', '中央支出 ', '地方支出 ']

datas = [[13395.2, 152269.2, 159605.0], [6989.2, 69267.2, 72365.6], [6406.1, 83002.0, 87239.4], [15886.5, 175877.8, 187755.2],

[5519.9, 25542.2, 27403.9], [10366.7, 150335.6, 160351.4]]

newDatas = [a+b*2010,a+b*2011,a+b*2012,a+b*2013,a+b*2014,a+b*2015,a+b*2016] --总共有6个不同的a、b值，即有6个回归方程对应6个指标